📝 增加梯度下降最小化代价原因

Author: lawlite19

readme.md

@@ -36,7 +36,7 @@ def computerCost(X,y,theta):
  - 泰勒展开：`f(x+△x)=f(x)+f'(x)*△x+o(△x)`
  - 令：`△x=-α*f'(x)`   ,即负梯度方向乘以一个很小的步长`α`
  - 将`△x`代入泰勒展开式中：`f(x+x)=f(x)-α*[f'(x)]²+o(△x)`
- - 可以看出，`α`是取得很小的正数，`[f'(x)]²`也是整数，所以可以得出：`f(x+△x)<=f(x)`
+ - 可以看出，`α`是取得很小的正数，`[f'(x)]²`也是正数，所以可以得出：`f(x+△x)<=f(x)`
  - 所以沿着**负梯度**放下，函数在减小，多维情况一样。
 - 实现代码
 ```