线性回归的梯度下降

问题陈述：

让我们使用与之前相同的两个数据点 - 1000平方英尺的房子以300，000美元的价格出售，而2000平方英尺的房屋以500，000美元的价格出售。

import math, copy
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('./deeplearning.mplstyle')
from lab_utils_uni import plt_house_x, plt_contour_wgrad, plt_divergence, plt_gradients
# Load our data set
x_train = np.array([1.0, 2.0])   #features
y_train = np.array([300.0, 500.0])   #target value

成本函数：

#Function to calculate the cost
def compute_cost(x, y, w, b):
   
    m = x.shape[0] 
    cost = 0
    
    for i in range(m):
        f_wb = w * x[i] + b
        cost = cost + (f_wb - y[i])**2
    total_cost = 1 / (2 * m) * cost

    return total_cost

梯度下降摘要

线性模型，在线性回归中，您可以利用输入的训练数据来拟合参数