参数优化方案
w参数的调整方向和幅度？
梯度下降法指导w的调参
比如图中，w1往小调整，w0往大调整，才能使得误差函数向极小值方向走
上图可以拆解为两个图，一个是w0与J的图，一个是w1与J的图。以w0与J的图举例说明
由于误差函数是凹函数，如下图，
在极小值左侧，导数小于0；
在极小值右侧，导数大于0
如果导数小于0，w点应该往大调整；
如果导数大于0，w点应该往小调整
w0调整的公式为：
阿尔法是学习率
导数的正负决定了w参数的调整方向
阿尔法决定了w调整的步长
阿尔法是调参工程师需要调整的
w1 调整的公式为
为什么叫梯度下降法？
梯度总是指向函数变大的方向，而w参数调整的方向是与梯度的方向相反的，所以叫梯度下降法
几个问题来更深入的理解
1、可否等价于这样？
假设阿尔法等于10 ，刚开始w偏大，往小调。调完又偏小，又往大调到原来位置，来回震荡，直到大于迭代次数终止，但是这样调整，不能满足需要调整到误差最小的位置
为什么调整 阿尔法乘以导数呢
导数1 的绝对值 大于 导数2 的绝对值
2、如果阿尔法调的很大好不好？
不好，盘旋上升
3、误差函数能不能不平方而取绝对值？
1点45分