Gradient Descent （機器學習中的第三個步驟）
目標：找一個最好的函數來解決最優化問題（optimization problem）
（機器學習的第二步中，定了一個loss function（function的function）能評價找到的function有多不好）
我們首先隨機選擇loss fuction的參數，並求其偏微分，求得方向 逐步得到目標參數
在這個過程中 會出現一些問題
- learning rate的設置
可用Adagrad - Stochastic Descent（隨機梯度下降）
每看到一個樣本就更新一次參數=》速度快 - Feature Scaling（特徵縮放）
侷限：卡在微分爲0的地方
