这个系列的笔记是台大李宏毅老师机器学习的课程笔记
视频链接（bilibili）：李宏毅机器学习(2017)
另外已经有有心的同学做了速记并更新在github上：
很久都没有用高数及线性代数的知识，很多都生疏了，这节课有很多的数学公式及概念，建议先看一下简书上的这篇介绍梯度及梯度下降法的文章深入浅出--梯度下降法及其实现，真的是深入浅出，好评如潮。
这里需要知道的是：
什么是梯度？
为什么要用梯度下降法？
一、什么是梯度梯度是微积分中一个很重要的概念，梯度的意义在于：
在单变量的函数中，梯度其实就是函数的微分，代表着函数在某个给定点的切线的斜率
在多变量函数中，梯度是一个向量，向量有方向，梯度的方向就指出了函数在给定点的上升最快的方向
二、为什么要用梯度下降法？机器学习的目的是根据现有数据集，预测未知数据的解。首先制定预测函数f*, 其次根据预测函数制定出合理的损失函数，损失函数的意义在于如果它的值取得最小值，那么认为原来的预测函数拟合训练集数据拟合的最好。所以求出损失函数的最小值就很关键。而根据上面梯度的概念，梯度的负方向是函数值下降的方向，沿着梯度下降的方向就可以找到损失函数取最小值的解。
三、学习率的设定
学习率设置分以下几种情况：
非常大：导致损失突然变得非常大，无法收敛
较大：损失收敛在比较的值上
较小：损失虽然一直在减小，但速度很慢
正好：损失逐渐减小，最终收敛在一个比较小的值上
调节学习率的一般思想：
在一开始学习率取较大值，这样便于更加快速到达最低点
慢慢地学习率取值逐渐缩小，这样会避免学习率取值过大从而错过最低点
自适应调节学习率的方法：
Adagrad
四、Stochastic gradient decent（SGD）随机梯度下降相比梯度下降法遍历所有数据，SGD可以随机选取某一个样本计算损失后然后更新梯度，提高训练速度，但不一定可以得到全局最优解。
博客园上一篇文章写得比较清楚 [Machine Learning] 梯度下降法的三种形式BGD、SGD以及MBGD
为什么要进行特征缩放？
如果样本的取值范围过大，在应用梯度下降算法寻找全局最小值的时候，损失函数需要花费巨大的代价。进行缩放后，多维特征将具有相近的尺度，这将帮助梯度下降算法更快地收敛。
很多文章都拿吴恩达的课程中图来举例：
图2 归一化之前的等高线图
图3 归一化之后的等高线图
