gradient-descent:使用梯度下降的线性和逻辑回归的 Python 实现

梯度下降 这个 Python 实用程序使用提供和实现，这些算法通常用于机器学习。 该实用程序分析您提供的一组数据，称为训练集，它由多个数据项或训练示例组成。 每个训练示例必须包含一个或多个输入值和一个输出值。 该实用程序试图推导出一个方程（称为假设），该方程定义了输入值和输出值之间的关系。 然后，该假设可用于预测不属于原始训练集的新输入的输出。 例如，如果您对预测房价感兴趣，您可以使用过去房地产销售的数据编译训练集，使用售价作为输出值，以及房屋的各种属性，例如房间数、面积、楼层数等作为输入值。 训练数据文件格式 要将实用程序与训练集一起使用，数据必须保存在格式正确的文本文件中，文件中的每一行都包含单个训练示例的数据。 一行必须以输出值开头，后跟一个“:”，该行的其余部分应包含该训练示例的输入值的逗号分隔列表。 文件中每一行的输入值数量必须相同 - 任何包含比第一行更多/更少输入值的行都