Gradient Descent 一个优化算法，计算梯度，然后向梯度的负方向调整参数，寻找函数的最小值点。时常应用于机器学习对于目标函数的优化。 核心思想： 梯度方向：梯度代表一个方向向量，是函数值增长最快的方向 参数更新：迭代参数，将梯度值向反方向移动 收敛：梯度趋于零或者小于阈值，停止更新 又是一个初始条件+过程+终止条件定义出来的算法，类似于数学归纳法的思想。 首先利用梯度求导，然后找到梯度增长的反方向，以此为目标更新参数。
