其中，learning rate：η 
：梯度，它实际是个vector。Gradient可以考虑成Loss等高线的法线方向
learning rate要小心调节
红线的learning rate就是刚刚好，蓝线太慢了，绿线黄线太快了。可以通过画右边图来观察。
越学习越慢，不同的参数最好提供不同的learning rate。
怎么选择learning rate呢？可以采用Adagrad
实际举例：
σt类似累计梯度的平方？
这里是只有一个参数的情况。
最好的方法是考虑二次微分，Adagrad就考虑了二次微分。
Stochastic Gradient Descent随机梯度下降
先只考虑一个xn ，只算它的Loss，Gradient
Feature Scaling特征缩放：
x1本身比较小而x2比较大时，x2原本就会对loss产生比较大的影响。
可以采用scaling方法：