梯度下降更新公式为 theta = theta - learning_rate * gradient，其中 gradient 必须是当前参数下损失函数对 theta 的真实偏导，且需特征归一化、合理设 learning_rate 与 batch_size 才能稳定收敛。
梯度下降更新公式怎么写才不跑偏
梯度下降本质是用负梯度方向去逼近损失最小点，关键不是“写出来”，而是每一步更新是否真的在减小损失。常见错误是直接套公式但忘了 learning_rate 太大导致发散，或没对特征做归一化让梯度方向歪掉。
-
theta = theta - learning_rate * gradient是通用形式，但gradient必须是当前参数下的真实梯度（比如对loss关于theta求偏导） - 线性回归中，
gradient就是X.T @ (X @ theta - y) / m（批量），注意除以样本数m保证梯度量级稳定 - 如果
X各列量纲差十倍（比如年龄 vs 收入），梯度会严重偏向大数值特征，训练抖动甚至不收敛——必须先做StandardScaler或手动归一化 - 用
np.allclose(loss_history[-2:], atol=1e-6)判断收敛比固定迭代次数更可靠
批量梯度下降（BGD）的 Python 实现要点
BGD 每次用全部数据算梯度，更新稳但慢，适合小数据集或需要精确解的场景。容易被忽略的是矩阵运算维度和内存占用。
- 输入
X应为(m, n)，y为(m, 1)或(m,)；若y是一维，X @ theta - y会触发广播，但结果仍是正确形状 - 别写
for i in range(m): grad += ...——纯 Python 循环太慢，必须用向量化：grad = X.T @ (X @ theta - y) / m - 如果
m超过 10 万，X.T @ X可能爆内存，此时即使叫“批量”，也得切块或换 SGD - 示例核心片段：
theta = np.zeros((X.shape[1], 1))<br>for _ in range(max_iter):<br> pred = X @ theta<br> grad = X.T @ (pred - y) / len(y)<br> theta -= lr * grad
随机梯度下降（SGD）为什么 loss 曲线跳得厉害
SGD 每次只用一个样本算梯度，更新快、省内存，但梯度噪声大，loss 不单调下降是正常现象，不是 bug。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 不能直接用
np.random.choice每次抽一个——那样可能漏样本或重复太多；应先np.random.shuffle(indices)，再按序遍历 - 学习率必须衰减，比如
lr = lr0 / (1 + decay * t)，否则后期更新幅度过大会绕着最优点打转 - 单样本梯度是
x_i.T @ (x_i @ theta - y_i)（无除法），注意x_i是行向量，需转成列向量再参与运算，否则shape报错 - 验证时别用单个样本算 loss，要用全量或 mini-batch 验证，否则评估失真
mini-batch SGD 怎么设 batch_size 才合理
这是实际项目中最常用的折中方案，batch_size 太小接近 SGD 噪声大，太大接近 BGD 内存压力高。
立即学习“Python免费学习笔记（深入）”；
- 常见取值：16、32、64、128 —— 优先选 2 的幂，GPU 显存对齐更高效
- 如果显存允许，
batch_size=64在多数中小数据集上训练稳定性与速度平衡得最好 - 不要设
batch_size=len(X)还叫 mini-batch；也不要把batch_size=1当成 mini-batch——那是 SGD - PyTorch/TensorFlow 里
DataLoader自动处理切片和 drop_last，手写时注意最后一批不足batch_size时要不要丢弃（drop_last=True更稳）
梯度下降真正难的不是写几行代码，而是每次更新前确认：梯度算对了没、学习率跟得上当前 loss 曲率没、数据有没有悄悄破坏了假设。这些地方一松懈，模型就只是在拟合噪声。
