Pyrhon 上批量梯度下降的训练误差与测试误差，无法理解我应该做什么

Question

我有 此数据集 包含训练数据和测试数据，并且我必须绘制具有平方和逻辑损失的梯度下降算法的训练和测试误差。 我是一个初学者，我有点迷茫不知道该怎么做。

到目前为止，我认为我已经成功地实现了梯度下降算法，这是我为平方损失所做的：

import numpy as np
import scipy.io
import matplotlib.pyplot as plt
data = scipy.io.loadmat('data_orsay_2017.mat')
x0,x1=data['Xtrain'],data['Xtest']
y0,y1=data['ytrain'],data['Ytrain']
                
def gradientdescent(x,y,n,alpha,max_iterations):  # n is the sample size, alpha is the learning rate
    d = x.shape[1] # dimension of the data
    theta = np.random.random(d) 
    error = []  
    for j in range(max_iterations):
        prediction = x.dot(theta)
        cost = 1/(2*n)*sum((y[i,0]-prediction[i])**2 for i in range(n))
        error.append(cost)
        grad = (1/n) * sum((prediction[i] - y[i,0])*x[i] for i in range(n)) 
        theta-=alpha*grad 
    return (theta,error)

现在，我可以简单地在 x0,y0 和 x1,y1 上运行该算法并绘制误差，但我我不认为那是我应该做的吗？我认为我应该以不同的方式处理训练数据和测试数据，但我不知道如何处理。