版权声明：转载请注明出处 https://blog.csdn.net/qq_26769591/article/details/84666495
摘要：
梯度下降法我的理解
梯度下降：
1.梯度是一个向量
2.梯度的大小就是 该点最大的导数
某一点会有各种斜率值（不同方向），其中沿梯度方向，斜率值最大
3.梯度下降法
梯度下降法 其实就是 沿着梯度的方向 向上或者向下
沿着梯度的方向就是：在各个方向 增减相同的值
4.梯度和导数的关系
假设w=x（t）+y(t) +z(t)
梯度是一个向量：导数最大的方向 它的值 就是该方向上的导数（斜率）
导数（斜率）是一个标量 =在某一个方向上的斜率=斜率就是某个方向上的加速度
一般导数为零的点=就是极值点
偏微分=偏导数=x方向上的斜率 =就是某个方向上的加速度
参考文献
梯度下降（Gradient Descent）小结 - 刘建平Pinard - 博客园:
https://www.cnblogs.com/pinard/p/5970503.html