机器学习-批量梯度下降（BGD）

前言

本文主要介绍批量梯度下降与相关代码。
主要流程：
计算梯度，批量累计求和，更新参数，计算前后迭代损失差，看是否小于阈值，True则break，False更新当前error并进入下一轮循环。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、批量梯度下降相关理论

将于后续更新！！！

二、代码

1.实例1

代码如下（示例）：

# y = theta0 + theta1*x  ---->x0=1
X = [4, 8, 5, 10, 12]
y = [20, 50, 30, 70, 60]

# 初始值
theta0 = theta1 = 0

# 学习率
alpha = 0.001
# 迭代次数
cnt = 0

# 误差
error0 = error1 = 0

# 指定阈值，以便检查两次误差的差，以便停止迭代
threshold = 0.0000001

while True:
    # 梯度 diff[0]是theta0的梯度，diff[1]是theta1的梯度
    diff = [0,0]
    m=len(X)
    for i in range(m):
        diff[0] += (theta0 + theta1*X[i]) - y[i]
        diff[1] += (