“任何机器学习的算法其实都是由三部分构成的：表示、评价指标和优化算法。”
“表示，意味着用什么方式建模问题，比如决策树就会把一个分类问题建模成树状的分支结构，而支持向量机则是建模成在高维数据空间寻找超平面。”
“评价指标，是评价模型好坏的标准，经常会用一个损失函数表示，损失函数越小则说明模型越接近最优。”
“因此一个机器学习算法其实是在我们所选取的表示空间中，通过可以迭代的优化算法，不断降低损失函数以逼近最优的一种算法。”
教室里，江铭用自信的声音阐述着他对机器学习的理解。
PPT上展示着几张简图，分别是决策树与支持向量机的示意图，方便学生们能更加形象地理解。
幸好，这个PPT是徐建华提前发给他的，而不是江铭自己做的。
不然可能就只有白底黑字的公式推导了。
江铭的讲课高屋建瓴，直通机器学习精髓，令台下的学生们听得津津有味。
此时在一个女生宿舍的聊天小群里。
“哇，他也太强了，我听徐教授的课的时候都没感觉像今天这样清晰。”
“是啊，之前徐教授讲的时候，就完全按照一个一个算法讲过去。什么logistic回归，什么感知机的，还有这个树那个树，听得我都懵了。”
“今天我才知道，原来只是表示方法的不同，再也不用课后再对着课本死记了。”
“不过，江老师讲得再好，不代表萌萌就会专心听呀~你说是吧，萌萌？”
“都上课20分钟了，怎么萌萌的脸还那么红啊，是不是发烧了呀~”
萌萌全名叫章依萌，就是刚刚在课前乱讲的搞笑女孩，此时仿佛被舍友们抓住了把柄，一通调侃。
还能有比自己乱说的时候被正主碰见更尴尬的事情吗？
此时江铭已经讲到了深度神经网络的部分。