05 ，梯度下降：原理

1 ，θ 不一定可求 ：

1. 并不是在任何情况下，θ 都能求出来的

2 ，梯度 ：

1. 理论 ： 坡度最陡的方向
2. 如图 ：
   

3 ，梯度下降方向 ：

梯度的反方向

4 ，梯度下降求解 ：

1. 直接求解 ： 那是线性回归的一种特例，不适用所有情况
2. 常规套路 ：
   交给机器一堆数据，然后告诉它什么样的学习方式是对的（目标函数），然后让它朝着这个方向去做
3. 优化 ： 一小步一小步的走

5 ，梯度下降目标 ： 走到山谷的最低点

1. 找到当前最合适的方向
2. 走那么一小步，走快了该”跌倒 ”了
3. 按照方向与步伐去更新我们的参数