gradient boosting求助-经管之家官网！

之前ltx5151大神帮我解答了关于boosting的疑惑，现在在看gradient boosting的时候，又有一些问题不太明白。
对于gradient boosting的了解，先看了斯坦福的网上教程 http://v.163.com/movie/2008/1/B/O/M6SGF6VB4_M6SGHJ9BO.html，gradient descent,了解了一下梯度下降的原理，就是对代价函数（损失函数）求导，找到损失函数梯度下降最大的方向，乘以步长，一步一步的达到收敛，即达到代价函数的局部最优解，由于代价函数设置为平方差的形式，最优解只有一个。
然后在过来看楼主推荐的大牛friedman的文章，http://www-stat.stanford.edu/~jhf/ftp/stobst.pdf。看到第五个公式的时候，又迷惑了，然后找到这个公式的出处，同样是大牛friedman的，《Greedy Function Approximation:A Gradient Boosting Machine》，里面讲对这个公式进行参数优化：
http://images.cnblogs.com/cnblogs_com/LeftNotEasy/201101/201101022147505821.png是为了找到梯度下降最大的方向，我的疑问是里面的[draw]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[/draw]已经求了一次导了，为梯度方向，那这一步的意义又在哪？有什么数学含义啊？
困扰了好久，求大神帮助。