Python 梯度下降函数实现 - 线性回归模型

下面是一个简单的梯度下降函数的示例，可以用于线性回归问题：

import numpy as np

def gradient_descent(X, y, theta, alpha, num_iters):
    m = len(y)
    J_history = np.zeros(num_iters)
    
    for i in range(num_iters):
        h = np.dot(X, theta)
        error = h - y
        theta = theta - (alpha/m) * np.dot(X.T, error)
        J_history[i] = np.sum(error ** 2) / (2 * m)
    
    return theta, J_history

其中，X是输入特征矩阵，y是输出向量，theta是模型参数向量，alpha是学习率，num_iters是迭代次数。函数返回最优的theta和每次迭代的损失函数值。