【ML03】Gradient Descend 梯度下降（一）概念（二）Notation（三）Gradient Descent in Linear Regression（四）python with Gradient Descent（五）小结
梯度下降法，不仅仅用于Linear Regression，也不仅仅只用于二维，而是对所有函数，都可以用梯度下降法找到最小值（Local/Global），当然如何高效的找到Global最小值是还需要研究的方向，而如何从local最小值中跳出来也是一个研究方法。应当注意的是，学习率不宜太高也不宜太低，太低会导致梯度下降出奇的慢，而太高会导致太快了“又被惯性推着跑上山去”，会出现 overshoot 的情况，从而找不到 J 损失函数最低的点。多登登山，下山时候想想什么是梯度下降，当然，一定注意安全。
