申明：此文章内容来自于 Doctor AndrewNG的视频，经过编辑而成
问题提出：虽然给定一个假设函数，我们能够根据cost function知道这个假设函数拟合的好不好，但是毕竟函数有这么多，总不可能一个一个试吧？因此我们引出了梯度下降：能够找出cost function函数的最小值；
梯度下降背后的思想是：开始时我们随机选择一个参数的组合（θ0,θ1,...,θn），计算代价函数，然后我们寻找下一个能让代价函数值下降最多的参数组合。我们持续这么做直到到到一个局部最小值（local minimum）。直白的话说，梯度下降原理：将函数比作一座山，我们站在某个山坡上，往四周看，从哪个方向向下走一小步，能够下降的最快。如图所示。
具体做法：
(1)先确定向下一步的步伐大小，我们称为Learning rate；
(2)任意给定一个初始值：；
(3)确定一个向下的方向，并向下走预先规定的步伐，并更新初始值；
(4)当下降的高度小于某个定义的值，则停止下降；
更新初始值的方法：用 θj 减去α乘以这一部分，如下图。关于这个公式，我来详细讲解一下(1)符号 := 表示赋值 这是一个赋值运算符。(2) α 是一个数字 被称为学习速率 什么是α呢? 在梯度下降算法中 它控制了 我们下山时会迈出多大的步子。
直白解释上述公式：上述公式就是给出更新θj的方法使得其逼近θj'。期望结果是：当θj大于θj'时，需要减少θj；当θj小于θj'时，需要增加θj，当θj等于θj'时，θj保持不变。那这个公式如何做到呢？首先α是个正数，其次J(θ0,θ1)是代价函数，而对代价函数的导数θj，就是说代价函数在θj的点的斜率，也就是刚好与函数曲线相切的这条直线。
当θj大于θj'时，J(θ0,θ1)的导数是正数，应用公式θj减去一个正数，此时θj变小；当θj小于θj'是，J(θ0,θ1)的导数是负数，应用公式θj减去一个负数，此时θj变大；当θj等于θj'是，J(θ0,θ1)的导数是0，应用公式θj减去0，此时θj把持不变，从而完成θj的更新。这也解释了为什么即使学习速率α 保持不变时 梯度下降也可以收敛到局部最低点。
那么α发挥什么作用呢？
根据上述公式，他主要在调节θj逼近最小值得速率。如果α太小，即选的学习速率太小，结果就是一点点地挪动去努力接近最低点，这样就需要很多步才能到达最低点，所以如果α太小的话，可能会很慢 ，因为它会一点点挪动，它会需要很多步才能到达全局最低点。示意图如下：
如果α太大，那么梯度下降法可能会越过最低点，甚至可能无法收敛，下一次迭代又移动了一大步，越过一次，又越过一次，一次次越过最低点，直到你发现实际上离最低点越来越远，所以，如果α太大，它会导致无法收敛，甚至发散，示意图如下：
特点：
(1)初始点不同，获得的最小值也不同,因为我们并没有尝试完所有的参数组合，所以不能确定我们得到的局部最小值是否便是全局最小值（global minimum）
(2)当我们接近局部最低时，导数值会自动变得越来越小，所以梯度下降将自动采取较小的幅度。
总结一下，在梯度下降法中 当我们接近局部最低点时，梯度下降法会自动采取，更小的幅度 这是因为当我们接近局部最低点时 很显然在局部最低时导数等于零。所以当接近局部最低时 导数值会自动变得越来越小 所以梯度下降将自动采取较小的幅度 这就是梯度下降的做法 所以实际上没有必要再另外减小α 这就是梯度下降算法。
