Python 2.7 梯度下降算法的Python实现isn'；行不通

我正在尝试为简单线性回归实现一个梯度下降算法。由于某种原因，它似乎不起作用

来自未来进口部的

随机输入
def错误（x_i，z_i，θ0，θ1）：
返回z_i-θ0-θ1*x_i
def平方误差（x_i，z_i，θ0，θ1）：
返回错误（x_i，z_i，θ0，θ1）**2
def mse_fn（x，z，θ0，θ1）：
m=2*len（x）
zip（x，z）中x_i，z_i的返回和（x_i，z_i，θ0，θ1）平方误差/m
def mse_梯度（x，z，θ0，θ1）：
m=2*len（x）
grad_0=zip（x，z）中x_i，z_i的和（错误（x_i，z_i，θ0，θ1））/m
grad_1=和（误差（x_i，z_i，θ0，θ1）*x_i表示x_i，z_i在zip（x，z））中的值/m
返回梯度0，梯度1
def最小化批次（x，z，mse_fn，mse_梯度_fn，θ0，θ1，公差=0.000001）：
台阶尺寸=0.01
θ0=θ0
θ1=θ1
值=mse_fn（x，z，θ0，θ1）
尽管如此：
梯度0，梯度1=均方误差梯度（x，z，θ0，θ1）
下一步θ0=θ0-步长尺寸*梯度0
下一步θ1=θ1-步长尺寸*梯度1
next_值=mse_fn（x，z，next_θ0，θ1）
如果abs（值-下一个值）<公差：
返回θ0，θ1
其他：
θ0，θ1，值=下一个θ0，下一个θ1，下一个θ值
#数据
x=[i+1表示范围（40）内的i]
y=[random.randrange（1,30）表示范围（40）中的i]
z=[2*x_i+y_i+（y_i/7）表示zip中的x_i，y_i（x，y）]
θ0，θ1=[random.randint（-10,10）表示范围（2）内的i]
q=最小化批次（x，z，mse_fn，mse_梯度，θ0，θ1，公差=0.000001）

运行时，出现以下错误：

---

返回错误（x_i，z_i，θ0，θ1）**2溢出错误：（34，“结果太大”）

只要您的算法是正确的，这似乎已经被回答过很多次了。你是偶然参加机器学习课程的介绍吗？：]猜对了！我正在看Joel Grus的《从头开始的数据科学》一书，同时我在看Andrew Ng的CS229讲座。很好，这是有趣的东西，Ng教授很出色。祝你好运