实现梯度下降法

在下面的 notebook 中，你将对具有两个类别的以下示例数据集实现梯度下降法。

Workspace

打开 notebook 的方法：

• 直接在课堂里在线打开下一页（推荐）
• 从 Github 克隆代码库，再打开 intro-neural-networks > gradient-descent 文件夹中的 GradientDescent.ipynb。你可以在命令行里输入 git clone https://github.com/udacity/deep-learning-v2-pytorch.git 下载代码库，或从此链接下载归档文件。

说明

在此 notebook 中，你将实现构建梯度下降法所需的以下函数：

• sigmoid：S 型激活函数。
• output_formula：预测值的公式。
• error_formula：某个点的误差公式。
• update_weights：在一个梯度下降步中更新参数的函数。

实现这些函数时，请运行 train 函数，该函数将绘制在连续梯度下降步中绘制的几条线。它还会绘制误差函数，并且当训练轮数增多时，误差将减小。

这是一个自我评估 Lab。如果你需要帮助或想参考答案，请查看同一文件夹里的答案 notebook。