Python梯度下降法

此前我们进行了梯度下降法的推导，所引用的基本公式为

现在我们根据梯度下降法解决实际问题：

其实我们每次更新的迭代，要遍历训练数据中所有的样本进行计算，如果我们的样本非常大，比如数百万到数亿，那么计算量异常巨大。因此，我们需要重新更新算法使每次更新的迭代，只计算一个样本。这样对于一个具有数百万样本的训练数据，完成一次遍历就会对更新数百万次，效率大大提升，因此我们设置一个for循环进行循环迭代从而进行进一步的计算，次数不宜过多但也不宜过少，过多可能会超出范围，过少的话结果可能不会特别精确。

代码如下：