“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。

“神经网络其实也是一种表示方法，它把一个问题表示为多层神经元的相互连接，并且通过不断优化神经元参数来不断逼近所拟合的函数，优化算法则是...”

他翻到了下一页，突然停下。

下一页PPT上，竟然大刺刺地贴着他自己的照片，甚至还是从开学典礼的合照上裁下来的！

这照片肯定是林欣然发给徐教授的！

照片下面还用详细的文字描述了江铭所设计的神经网络优化算法：自适应矩估计优化。

江铭只觉得血液上涌，令他阵阵眩晕。

这也太尴尬了吧！自己在课上吹自己？

这PPT是徐建华几周前做的，那个时候他根本不可能想到今天这节课会是让江铭代课，还正好讲到这一个章节！

他都能猜到徐建华在做这页PPT的时候是怎么想的，想要在课上吹一波这样的成果是自己的学生做出来的。

结果机缘巧合之下，促成了这令人社死的事情。

江铭硬着头皮简单讲了几句，就遭不住了，赶紧翻到了下一页。

此时虽然台下的同学们都十分配合地不出声，装作没看到，但是在某些小群里已经笑翻天了。

“哈哈哈哈哈，社死现场！”

“不是，哈哈哈哈哈，笑得肚子痛。”