Gradient Descent 矩阵python实现

梯度下降法的矩阵方式描述
主要讲解梯度下降法的矩阵方式表述，要求有一定的矩阵分析的基础知识，尤其是矩阵求导的知识。
1. 先决条件：需要确认优化模型的假设函数和损失函数。对于线性回归，假设函数

$$h_{\Theta}(x) =\Theta_0x_0 + \Theta_1x_1 + \Theta_2x_2 + \cdots +\Theta_nx_n$$ 的矩阵表达方式为： $$h_{\Theta}(x) = X\Theta$$ 其中， 假设函数 $h_{\Theta}$为 $\hat{y}_{(m*1)}$的矩阵, $\Theta$为 $\Theta_{(n*1)}$的向量，里面有n个代数法的模型参数。 X(m∗n)维的矩阵。