Python_machinelearning/Batchgradientdecent.py

import numpy as np
import matplotlib.pyplot as plt
###############################
#Datos originales
###############################
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100,1)

plt.plot(X,y,".")
###############################
X_b = np.c_[np.ones((100,1)), X] #Se agrega x0=1 para cada instancia
eta = 0.1 #Pasos
n_itera = 1000
m=100

theta = np.random.randn(2,1) #Inicialización aleatoria
for iteracion in range (n_itera):
	gradiente = 2/m * X_b.T.dot(X_b.dot(theta)-y)
	theta = theta - eta * gradiente

print(theta)