BILIBII看机器学习心得（18.3.20）

1，梯度下降主要在于两个求导

2，如果用梯度下降法求最大最小值，这时候特征就应该归一化这种，也可以不归一化，就是讲所有特征都是同样的scale，这样才会有最短的路径下降到最小值，否则路线会扭曲，也就是收敛得更快

所以会用到归一化（mean normalization),看了下公式，也就是标准话，使梯度下降法更快，然后收敛所需要的循环更少

3,学习率的设置

4,梯度下降法与标准方程法的区别

5,