From 5d9145208d42b9554d6e6872d3ee510aa3e60210 Mon Sep 17 00:00:00 2001
From: Shine wOng <1551885@tongji.edu.cn>
Date: Wed, 8 Jan 2020 21:45:23 +0800
Subject: [PATCH] modify some mistakes.

---
 ml/linear regression/linear regression.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/ml/linear regression/linear regression.md b/ml/linear regression/linear regression.md
index 78b34be..99d8862 100644
--- a/ml/linear regression/linear regression.md	
+++ b/ml/linear regression/linear regression.md	
@@ -145,7 +145,7 @@ $$
 
 从上面的讨论中可以看出，梯度下降法最终将收敛到某个局部最优点，而无法保证收敛到全局最优点。实际上，当选择不同的初始值时，使用梯度下降法往往会收敛到不同的极值点，如下图所示：
 
-![gd_diff_path](gd_diff_path.jpg)
+![gd_diff_path](images/gd_diff_path.jpg)
 
 因此，使用梯度下降法无法保证得到的结果一定是全局最优解。然而，需要指出，对于线性回归与平方损失函数，则不存在这个问题，因为平方损失函数是**凸函数**。证明如下：