首先，理解梯度向量是指向函数值增长最快的方向的：MIT18.02笔记-梯度的定义与理解
定义函数$f(x)$，其在点$x$处沿着方向$d$的变化率可用方向导数表示，即梯度与方向的乘积： $$Df(x;d)=\nabla f(x)^Td$$ 当$d=-\frac{\nabla f(x) }{ ||\nabla f(x)|| }$时，函数$f$在点$x$处的下降速率最大，即负梯度方向为最速下降方向
最速下降算法：在迭代过程，每次都选择负梯度方向搜索（对于寻找最小值的最优化问题）
最速下降算法步骤：
林纳斯·贝内迪克特·托瓦兹（Linus Benedict Torvalds），生于芬兰赫尔辛基市，拥有美国国籍，Linux内核的最早作者，随后发起了这个开源项目，担任Linux内核的首要架构师与项目协调者，是当今世界最著名的电脑程序员、黑客之一。他还发起了开源项目Git，并为主要的开发者。
1969年12月28日托瓦兹出生于芬兰赫尔辛基
1988年至1996年托瓦兹就读于赫尔辛基大学，并获得计算机硕士学位
1991年托瓦兹开始接触GNU项目，并于1991年底公开发布第一个 Linux 原
理查德·马修·斯托曼（Richard Matthew Stallman, RMS），于1953年出生，自由软件运动的精神领袖、GNU计划以及自由软件基金会（Free Software Foundation）的创立者、著名黑客。
1953年3月，斯托曼出生于美国纽约一个犹太人家庭
早年他就对计算机有很深的兴趣；1970年秋季考入哈佛大学物理系
1971年，成为麻省理工学院人工智能实验室助理程序员，同时也成为黑客社区的常客
斯托曼在1983年9月推出了GNU项目。借此又发起了自由软件运动
自
本
本章针对一些真实数据集进行处理和分析，以便复习并实践之前章节的内容
本章仅简略记录核心内容，不再展示具体代码，代码可参考本书配套Git项目-13章
短域名供应商Bitly提供的用户的网络访问信息（已脱敏数据，目前已该服务已关闭）
主要实践内容：
本章主要简单介绍了statsmodels 和 scikit-learn这两个Python建模的常用模块
先使用pandas进行数据加载和清理后，再进行建模是模型开发的一个常见工作流
一般建模工具都支持数组结构，所以经常用to_numpy方法将DataFrame转换为NumPy数组
代码示例：
data = pd.DataFrame({
'x0': [1, 2, 3, 4, 5],
'传统傅里叶变换的定义为（积分形式）：$F(\omega)=\mathcal{F}{f(t)}=\int f(t)e^{-i\omega t}dt$
传统逆傅里叶变换的定义为（积分形式）：$f(t)=\mathcal{F}^{-1}{F(\omega)}=\frac{1}{2\pi}\int F(\omega)e^{i\omega t}d\omega$
卷积定理：函数卷积的傅里叶变换是函数傅立叶变换的乘积 $$f\ast g=\mathcal{F}^{
常见的三种时间格式：时间戳（timestamp），时期（period），时间间隔（interval）
pandas内置了很多处理时间序列的工具和算法
pandas也支持将时间间隔（interval）作为索引使用，只是本书未提及
除了pandas，本章还会用到datetime（用的最多）、time以及calendar这三个模块
代码示例：
from datetime import datetime
now按照指定的行列取值进行分组，并按组进行计算（求和、均值、标准差等）
代码示例：
df = pd.DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'],
'key2' : ['one', 'two', 'o