实现三种不同的梯度下降算法，使用均方误差(MSE)作为损失函数。需要实现以下三种变体： 1. 批量梯度下降(Batch Gradient Descent) 2. 随机梯度下降(Stochastic Gradient Descent) 3. 小批量梯度下降(Mini-batch Gradient Descent)

输入描述:

函数`gradient_descent`接收七个参数：1. X：特征矩阵，形状为(m, n)2. y：目标值向量，形状为(m,)3. weights：初始权重向量，形状为(n,)4. learning_rate：学习率5. n_iterations：迭代次数6. batch_size：批量大小（仅用于mini-batch方法）7. method：使用的方法（'batch', 'stochastic' 或 'mini_batch'）

输出描述:

返回一个numpy数组，表示最终优化的权重向量。

备注:

1.对应的输入、输出已给出，您只用实现核心功能函数即可。2.支持numpy、scipy、pandas、scikit-learn库。