本文代码实验地址：
https://github.com/guojun007/logistic_regression_learning_rate
cousera 上的作业是 编写一个 logistic regression 分类器，为了看看学习率对优化结果的影响，我又私下做了对比实验，
2000次迭代，和30000次迭代，不同实验中分别使用学习率 0.01， 0.001， 0.0001,这个三个学习率。
2000次迭代：
30000次迭代
在第一个图中学习率最大的0.01，优化结果先变成最坏的，然后又变成最好的，但是这可能是运行的迭代次数比较少的一个原因，如果运行迭代次数足够大的情况下学习率最小的0.0001会取得更好的优化结果，于是又将运行的迭代次数改为30000，看看能不能验证自己的想法。
在30000次的运行迭代次数中，发现还是最大的学习率0.01取得了最好的优化结果，由此可见学习率小未必能取得最好的优化结果，即使是足够长的运行迭代周期中最小的学习率0.0001也没有取得很好的优化结果。
在30000次迭代和2000次迭代中 学习率0.01 都是最好的设置。
