机器学习1：梯度下降（Gradient Descent）

分别求解损失函数L(w,b)对w和b的偏导数，对于w，当偏导数绝对值较大时，w取值移动较大，反之较小，通过不断迭代，在偏导数绝对值接近于0时，移动值也趋近于0，相应的最小值被找到。

η选取一个常数参数，前面的负号表示偏导数为负数时（即梯度下降时），w向增大的地方移动。