Gradient descent algorithm 梯度下降法

梯度下降法用于局部最优搜索：
假设函数函数J是关于 $\theta_0$, $\theta_1$记为 $J(\theta_0,\theta_1)$
梯度下降法的目标是寻找一组合适的 $\theta_0$和 $\theta_1$，使得 $J(\theta_0,\theta_1)$在某个局部范围内最小，
公式如下：
repeat until convergence{
$\theta_j:=\theta_j-\alpha\dfrac{\delta}{\delta\theta_j}J(\theta_0,\theta_1)$
for $j=0$ and $j=1$
}