本文从“牛顿第二定律”入手,介绍机器学习的思考过程,以及在过程中如何确定模型参数,模型三个关键部分(假设比如,如果实际关系是非线性的(比如圆的周长与半径之间的关系),却让机器使用“线性假设”去学习,最优结果只能找到一条与该非线性曲线最贴近的直线可以想象,随着拟合直线的上下移动或左右转动,Loss的大小(所有线段长度之和)会发生变化。我们设计的优化目标是在训练样本上进行计算的,即我们选择的参数以及形成的Y~x关系会在已经掌握训练数据上十分有效289N的力,计算机给出的答案是:物体能产生14.41132641米每秒的加速度,我们来验证一下: 加速度应该等于给物体施加的力除以物体的质量