每次去正大广场，都偏好电梯，而不是消防通道。尤其是这种电梯：
除了自己不想走，最多的原因就是觉它特快。因而，往往坐电梯的人也多。试想电梯失控(0.0008%)，那么，没有?；ご胧?，掉下去的速度也是很快的。
但是，为什么会沿着，这个方向(近似竖直方向掉了），重力，想想传说中牛顿老爵爷的苹果。如果任意方向给它一个速度，那么极有可能会变成音乐喷泉的样子。
水终会至于地，苹果??也一样。这里主要由于重力场的作用，给了它向下运动的趋势，即沿着速度变化最快的方向（加速度方向），至于这现象后究竟为什么，现在科学也没有完全弄清楚。
在高等数学中，这个加速度可以理解成梯度（gradient)
梯度定义：一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，沿梯度方向的变化率最大，最大值为该梯度的模。
生活中，这种思想，常常用于分析方面的，特别是数值分析，做决策。
机器学习里的数值分析：
前几天，上课时发呆突然想到，平时做实验时一些的东西：想弄清，一个复杂的系统，在某种条件下，有哪些主要的影响因素：如养好一只??猫，自然而然会想到(eat what)，每次喂ta多少(eat something)，喂什么之类的。这些(eating-factors)都有人研究过，比如说用一些工具：单因素分析，响应面分析，探究些规律。
还有就是，股票，文艺复兴（Renaissance）公司用机器学习来处理金融，获取极好的效果（M）。
其实，这些分析都是对复杂的东西的一种理解，试图找到主要的影响因素。
至于各个因素(facotrs)之间的相互关系，如：拮抗，互助，没有任何关系，这个就得深入的分析了。
部分图片来源：百度 谷歌?
事例M：https://open.163.com/movie/2015/12/D/A/MBAGIU8HN_MBB2JJIDA.html
部分代码：https://github.com/Jiangjao/python_learn_demo/blob/master/3d%E5%9B%BE
