1、首先我们根据一组数据来通过训练得到一个函数一：
2、x是我们的输入数据，x的系数θ就是我们通过学习来得到的各个神经元对于输入值得加工。
3、我们还需要一个方法来判断θ的值是否合适，以便不断调整我们训练得到的函数一，这就是（损失函数）函数二：
这个函数就是将输入值的数据带入我们所的函数一中，然后根据实际值与函数一所的的预期值的差的平方和的大小，前面乘上的1/2是为了在求导的时候，这个系数就不见了。
4、那么我们如何调整这个θ的值以使J(θ)的值取得最小值呢？
有以下几个方法：1最小二乘法2梯度下降法
1最小二乘法：
2梯度下降法：
首先我们假设θ只有一个，随便赋予θ两个值θ1，θ2，然后计算J(θ1)和J(θ2),如果：
J(θ1) > J(θ2)说明我们应该向θ2方向调整参数
否则就向θ1方向调整参数值，
我们如何随机挑选出最合适的θ调整方向呢？
首先，我们在各个方向上均匀取很对θ1，θ2，使得a = |θ1-θ2|
然后带入函数二，就得到|J(θ1) - J(θ2)|的一个最大值，就得到了一个最优的方向减小我们的损失函数