机器学习入门：简单的y=wx线性模型训练

最近在学深度学习的知识，先写一些比较简单的模型，这是我写的第一个利用梯度下降求线性拟合的模型
数学表达式：
\begin{equation}
Y=w*x \text{，}
\end{equation}

import matplotlib.pyplot as plt

x_data=[1.0,2.0,3.0]
y_data=[2.0,4.0,6.0]

w=1.0
loss_list=[]
epoch_list=[]
w_list=[]

def predict(x):
    return w*x

def loss(x,y):
    l=0.0
    for xs,ys in zip(x,y):
        l+=(predict(xs)-ys)**2
    l/=len(x)
    return l

def gradient(x, y):
    grad=0.0
    for xs,ys in zip(x_data,y_data):
        grad+=2 * (w * xs - ys) * xs
    grad/=len(x)
    return grad

for epoch in range(50):
    l_loss=loss(x_data,y_data)
    w=w-0.01*gradient(x_data,y_data)
    epoch_list.append(epoch)
    loss_list.append(l_loss)
    w_list.append(w)
print(w_list)

plt.plot(epoch_list,loss_list)
plt.plot(epoch_list,w_list)
plt.title("The first model of Yu Zhang!")
plt.xlabel("epoch")
plt.ylabel("loss")
plt.show()

运行结果展示：