第一章还是较基础，首先提到的就是 梯度下降法
（1）theta_j := theta_j － apha * J’/theta_j’
J 是最小二乘法得到的 预测值和真实值之间的差异，越小越好，故（1）式中为减号
J’ ／theta_j’ 一般会化成较简略的形势，比如最小二乘法的会化简为 (h(theta) - y) * theta_j，罗辑回归一般能化简为相同格式，不过符号相反，为 (y - h(theta)) * theta_j，不过逻辑回归是使用最大似然算法，求的是最大值，故theta_j := theta_j ＋ apha * J’/theta_j’，最后的格式可以完全一样。
这就是梯度下降法，初始化固定一组 theta，选定迭代步长apha, 即可迭代，下一个点产生时是沿着梯度直线方向
当然会有一些矩阵法，直接通过矩阵运算得到
theta = (X ^T X) ^−1X^ T y
牛顿法，，，
θ := θ − f(θ) ／ f ′ (θ)
不过这个是求最小值的，逻辑回归的问题需要再度求导，即
θ := θ − ℓ ′ (θ) ／ℓ ′′(θ)
最后得到的简略式为
θ := θ − H ^−1∇θℓ(θ).
H 为hessian矩阵
Hij = ∂ 2 ℓ(θ) ／ ∂θi∂θj
问题，如果用牛顿法求最小二乘法的收敛，直接使用 θ := θ − f(θ) ／ f ′ (θ) := θ − J(θ) ／ J ′ (θ)即可？
牛顿法是二阶收敛，梯度下降是一阶收敛，所以牛顿法就更快。如果更通俗地说的话，比如你想找一条最短的路径走到一个盆地的最底部，梯度下降法每次只从你当前所处位置选一个坡度最大的方向走一步，牛顿法在选择方向时，不仅会考虑坡度是否够大，还会考虑你走了一步之后，坡度是否会变得更大。所以，可以说牛顿法比梯度下降法看得更远一点，能更快地走到最底部。
根据wiki上的解释，从几何上说，牛顿法就是用一个二次曲面去拟合你当前所处位置的局部曲面，而梯度下降法是用一个平面去拟合当前的局部曲面，通常情况下，二次曲面的拟合会比平面更好，所以牛顿法选择的下降路径会更符合真实的最优下降路径。
wiki上给的图很形象，我就直接转过来了：
红色的牛顿法的迭代路径，绿色的是梯度下降法的迭代路径。
三次收敛的逼近的每一步需要解三次方程，涉及的计算量比二次的大很多，相比收敛速度的提升不划算。
牛顿法用曲面达到局部最优：我的理解是牛顿法求的是当前点的导数，然后对导数再求导，意义就是看这个导数的变化率。
应该都是可以解决问题的，暂且不表，已经关注一篇知乎文章
多分类求解
1…k 个分类 ；每个分类对应一组参数 theta_i; 记住下面的公式即可
仍然使用最大似然函数 求的l(theta)
好吧，知道怎么做了吧， 牛顿法，梯度下降法都扔过来吧，hessian矩阵的牛顿;;;;嗷嗷 这个就是传说中的 soft max
