error函数的图像，看上去像个碗一样，中间是凹的，两边翘起。这个碗的最低点，也就是 error(x) 的最小值，就是我们要寻找的点。
我们发现:
当x在最小值左边的时候，error函数的导数（斜率）是负的； 当x在最小值右边的时候，导数是正的； 当x在最小值附近的时候，导数接近0. 因此，如果我们在：
导数为负的时候增加x； 导数为正的时候减小x；
x = x - derivative * alpha
解释： derivative 是 error 在 x 处的导数，这里是用导数的定义求的。 x = x - derivative 这就是“导数下降”名称的由来。通过不断地减去导数，x最终会到达函数的最低点。 alpha 参数控制的是点 x 逆着导数方向前进的距离，alpha 越大，x 就会前进得越多，误差下降得越快。alpha 太小会导致下降缓慢，alpha 太大会导致 x 冲得太远，令函数无法收敛。