Go 语言实现斜率法（梯度下降法）求解函数极值

斜率法，又称作梯度下降法，是一种常用的优化算法，用于求解函数的极值。在机器学习中，斜率法被广泛应用于模型的训练，以调整模型参数使得损失函数最小化。下面是用 Go 语言实现斜率法的代码示例：

package main

import (
	"fmt"
	"math"
)

func f(x float64) float64 {
	// 定义目标函数
	return math.Pow(x, 2) - 4*x + 3
}

func df(x float64) float64 {
	// 定义目标函数的导函数
	return 2*x - 4
}

func gradientDescent(x0, alpha float64, maxIter int) float64 {
	// 斜率法求解极小值
	 x := x0
	 for i := 0; i < maxIter; i++ {
		 dx := df(x)
		 x -= alpha * dx
	 }
	 return x
}

func main() {
	// 求解目标函数的极小值
	 x0 := 0.0
	 alpha := 0.1
	 maxIter := 1000
	 x := gradientDescent(x0, alpha, maxIter)
	 fmt.Printf("The minimum point of f(x) is: %.2f\n", x)
}

在上面的代码示例中，我们首先定义了目标函数 f(x) 和其导函数 df(x)，然后实现了 gradientDescent 函数来求解目标函数的极小值。该函数采用斜率法的迭代公式 x -= alpha * df(x)，其中 x 表示当前的自变量值，alpha 表示学习率，df(x) 表示目标函数在 x 处的导数值。通过多次迭代，该函数可以逐步逼近目标函数的极小值。

最后，在 main 函数中，我们调用 gradientDescent 函数来求解目标函数的极小值，并输出结果。在这个例子中，我们假设目标函数是 f(x) = x^2 - 4x + 3，我们希望求解它的极小值。通过运行代码，我们可以得到该函数的极小值为 x=2，与解析解相符合。