解析：
首先你要明确 超参数 和 参数 的差别，超参数通常是你为了定义模型，需要提前敲定的东西(比如多项式拟合的最高次数，svm选择的核函数)；参数是你确定了超参数(比如用最高3次的多项式回归)，学习到的参数(比如多项式回归的系数)另外可以把机器学习视作 表达 + 优化，其中表达的部分，各种模型会有各种不同的形态(线性回归 逻辑回归 SVM 树模型)，但是确定了用某个模型(比如逻辑回归)去解决问题，你需要知道当前模型要达到更好的效果，优化方向在哪，这个时候就要借助损失函数了。下面就是一个小例子，一样的打分函数，选用不同的loss function会变成不同的模型
图片来自 http://cs231n.github.io/linear-classify/
更深入的内容欢迎查阅更多机器学习的资料，或者参与机器学习相关的课程，来讨论
