Update README.md

README.md

@@ -85,14 +85,16 @@ result:
 >
 > ###Question: 简述梯度下降算法，并补充对应的latex公式和python代码实现。
 >
->  ###Answer: 1. 梯度下降算法简述： 梯度下降算法是一种常用的优化算法，用于寻找函数的最小值。它通过不断迭代，沿着函数的梯度方向移动来实现。梯度下降算法的基本思想是：沿着函数的负梯度方向移动，直到到达局部最小值。 
+> ###Answer: 1. 梯度下降算法简述： 梯度下降算法是一种常用的优化算法，用于寻找函数的最小值。它通过不断迭代，沿着函数的梯度方向移动来实现。梯度下降算法的基本思想是：沿着函数的负梯度方向移动，直到到达局部最小值。 
 >
 > 2. 梯度下降算法的数学公式： 假设我们要优化的函数为f(x)，其中x为一个n维向量。梯度下降算法的更新公式为： x_new = x_old - lr * ∇f(x_old) 其中，x_new为新迭代的x值，x_old为上一迭代的x值，lr为学习率，∇f(x_old)为函数f(x_old)的梯度。
 >
 > 3. 梯度下降算法的Python代码实现： 下面是一个简单的梯度下降算法的Python代码实现示例： 
 >
 >    ```python
->    python import numpy as np def gradient_descent(f, x0, lr=0.01, max_iter=100): x = x0
+>    python import numpy as np
+>    def gradient_descent(f, x0, lr=0.01, max_iter=100):
+>         x = x0
 >    ```
 
 ## example safe