机器学习有监督学习以及无监督学习

监督学习：分类与回归等（监督学习的关键特征是你给学习算法提供学习的例子）

无监督学习：聚类、异常检测和降维算法等（可以根据学习的结果进行分类）

损失函数 ：f(w) 与 j(w)，要找到使j(w)是最小值的w和b

梯度下降 （同步更新w和b，找到适合的最小值点）

公式中的阿法（a）是学习率：控制在更新模型参数w和b所采取的步长

学习率：学习率的大小影响找到最小点的次数。

学习率过小，可能就需要运算很多步到达。梯度下降次数多

学习率过大，可能就会错过最小值点，造成更大的误差。梯度下降会超过最小值点，甚至永远到达不了

局部最小值问题，学习率不变，但是偏导数值为0，故新得到的w值与旧的w值保持一直，不会变化，则会认为此时为最小值点（局部）