1.梯度下降法的原理
1.1确定一个小目标：预测函数
机器学习中一个常见的任务是通过学习算法，自动发现数据背后的规律，不断改进模型，做出预测。
上图的坐标系，横轴表示房子面积，纵轴表示房价，图中的点就是给出的数据。
任务是，设计一个算法，让机器能够拟合这些数据，算出直线的参数w
一个简单的方法是，先随机选一条过原点的直线，然后计算所有样本点和这条直线的偏离程度，再根据误差大小来调整w的值。
1.2 找到差距：代价函数
均方误差，所有点的误差相加求和再求平均值
e1 e2 …en是每个点的误差值
把每个点的误差值相加求和再求平均值，合并同类项
上面这个误差函数代表了学习需要付出的代价，也常被称为代价函数（cost function），
二次项的系数a>0，是一个开口向上的抛物线
左边的直线绕原点旋转，对应到右边图像上就是取值点（红色）在抛物线上运动，
左边找到正确的w的值的时候，对应右边图像上取值点应该到最底部，即梯度为0的点
左边是预测函数，右边是代价函数
通过定义预测函数，根据误差公式，推导代价函数，可以成功地将样本点的拟合过程映射到一个函数图像上，
1.3 明确搜索方向：梯度下降
目标是找到代价函数的最低点，
从当前点的位置，每一步都选择“最陡峭”的方向走，这就是前进的方向 沿着这个方向走，就能最快到达最低点
“陡峭程度”就是梯度，是代价函数的导数，抛物线的曲线斜率
（补充：机器学习、深度学习中很多模型是非常复杂的，不能对整个函数求导，只能在一个函数的一个点上求导）
1.4 迈多大步子：学习率
步子太小，loss值会一直在最低点处震荡，难以收敛
直接使用斜率值做步长，步子太大，取值会左右横跳，loss难以收敛
正确的做法：给斜率值乘上一个很小的数值，也就是乘上学习率α，
调整权重参数w的公式是：
1.5 不达目的不罢休：循环迭代
1-4步如下图：
第5步就是重复3、4步，直到找到最低点
整个流程就是梯度下降算法
实际情况没这么简单，
因为实际情况中，训练样本的分布千奇百怪，代价函数也可能千变万化，不太可能是一条简单的抛物线。
代价函数的图像是波浪线时，会有多个最低点，要找到全局最优
代价函数还有可能是高维的，十几维、百维，难以可视化；但都可以通过梯度下降法找到最低点。
2. 梯度下降算法的变体
2.1 批量梯度下降
每次用全部训练样本参与计算，梯度下降的非常平稳，
优点：保证算法的精准度，找到全局最优点
缺点：训练搜索过程慢，代价大
2.2 随机梯度下降
每次只用一个样本参与计算，
优点：提升了计算速度，
缺点：牺牲了一定的精准度
2.3 min-batch梯度下降
每次选用小批量样本进行计算
优点：比批量梯度下降快，比随机梯度下降准确
2.4 其它
其它改进的梯度下降算法：
AdaGrad 动态调节学习率，经常更新的参数学习率小一些，不常更新的参数学习率大
RMSProp 优化动态学习率
AdaDelta无需设置学习率
Adam 融合了AdaGrad和RMSProp
补充：
梯度下降是一种用来对模型的参数进行更新的优化算法，在机器学习和深度学习中，模型的目标是通过调整参数来最小化损失函数。梯度下降算法，通过计算损失函数对参数的梯度（即求导），来指导参数的更新方向。通过迭代地沿着梯度的反方向更新参数，梯度下降算法可以逐步地降低损失函数的值，从而使模型更准确地进行预测或分类。
道阻且长，行则将至！
