python二元梯度下降线性回归

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

matplotlib.rcParams['font.size']=20  #设置全局字体大小
fig=plt.figure(figsize=(10,5))  #创建figure对象
ax=fig.add_axes([0,0,1,1])  #创建axes对象
ax.spines['top'].set_color(None)  #隐藏上坐标轴
ax.spines['right'].set_color(None)  #隐藏又坐标轴
#--------------------------------------------------------------
x=np.linspace(1,10,100)  #创建1到10，元素个数100的等差数组
y=100+50*x+np.random.rand(100)*10  #广播

def piana(a,b):  #对a偏导
    sum=0
    for i in range(100):
        sum+=a+b*x[i]-y[i]
    return sum/100

def pianb(a,b):  #对b偏导
    sum=0
    for i in range(100):
        sum+=(a+b*x[i]-y[i])*x[i]
    return sum/100

a=b=0  #设定a、b初值（起点）
rate=0.01  #设定学习速率（控制step）

while abs(piana(a,b))>0.01 or abs(pianb(a,b))>0.01:  #梯度下降
    tempa=a-rate*piana(a,b)
    tempb=b-rate*pianb(a,b)
    a=tempa
    b=tempb
#--------------------------------------------------------------   
plt.scatter(x, y)  #绘制度xy散点图
ax.plot(x,a+b*x,'r-',linewidth=3)  #绘制拟合函数
ax.text(6.3,250,'训练集：\n$x=np.linspace(1,10,100)$\n$y=100+50*x+np.random.rand(100)*10$')  #指定位置插入文本
ax.annotate(f'拟合函数：$y={a}+{b}x$',xy=(8,a+b*8), xytext=(9,450),arrowprops=dict(connectionstyle='arc3,rad=.1',color='r',shrink = 0.1))  #添加注释

plt.show()  #显示图片

效果：