1：Regression-case study前半段
李老师，为什么讲机器学习你说半天宝可梦！！完全不知道在说什么
1.
1.步骤
step1：Model
b：贝叶斯
step2：goodness of function
上标：整体，下标：特性
判断好坏用loss function（有多坏）
红色代表非常大蓝色最小
w为负不合理
step3：best function
2.gradient descent
①随机选一个参数位置
②w=w0 loss函数的微分
负：增加w；正：减少w
③w1=w0+ⴄdl/dw0
（ⴄ：learning rate 学习速度）
④计算w1微分……重复直到微分是0出现（有可能在local minima 不一定到global minima）
计算
若2个参数
可以排成gradient
指向是等高线的法向量
L值不一定是越来越小
在saddle point也会停下来，在 plateau会很慢（linear model不用担心）
