最近在巩固机器学习，上了台湾大学李宏毅教授的课，感觉非常不错。
其实道理很简单，就是要找到一个全局最优解，通过一步步的不更更新w来实现，这个过程就像是下山，你确定了要下山，那就要选择一个坡度向下的路线往下走，梯度下降也是这个原理。（图为只有一个参数w时）
（当L(w, b）时）
此时更新的参数变成了两个，一个是w，一个是b。但是“下山”过程是一样的。
我最开始的时候对个地方感到疑惑，就是怎么避免局部最优解。
但是后续中发现它在linear regression中是一个凸函数，是没有局部最优解的。图像就像是等高线图，每更新一步调整一次“角度”，也就是斜率，直到抵达“山底”。
博客的内容记录一步步学习的过程，希望自己抓紧时间，面对压力和挑战。
再次推荐台湾大学李宏毅教授的人工智能课程。
