回复内容：
1. epsilon = 0.0001在此段代码中的作用是什么？在Minimize(Jtheta)以及Cost Function的公式用，都没有看到一个叫epsilon标识
其实是有的，就在倒数第5、6行：
epsilon就是收敛条件
theta012就是得出的最优(且让我这么称)拟合曲线多项式的各个系数，然并卵，因为你这个数据是自己臆想出来的，得出的结果价值不大
我这里也有一份梯度下滑的实现，你可以看看
https://
github.com/racaljk/pyan
n/blob/master/network/perceptron.py
如一楼所言，这段代码存在很多问题。
『Data Science from Scratch』一书专门列了一章书来讲解Python实现梯度下降和随机梯度下降算法，非常值得学习。
我在个人博客中写了这一章的学习笔记，增加了一些理论解释，仅供参考。
参考链接:梯度下降算法的Python实现
epsilon是你设置的用于结束迭代的误差阈值。
theta是用于带到拟合的原函数里面做测试用的，梯度下降一般有两个数据集：训练集和测试集。
前面K神已经指出来了，这是初学者自己写的，缺陷很大。实现上的缺陷K神已经提到了，我提两个其他的 1 没有用矩阵写。使用for循环的效率是比较低的，而且使用矩阵更清晰明了。 2 自造的数据集，最后不一定收敛。
要学习的话建议去找一门公开课，想看代码的话可以去github上找，看这种错误很多的代码是学不到东西的，
epislon跳出循环标志，判断是否收敛
if abs(error1-error0) < epsilon:
break