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lossfunction会变成不同的模型

图片来自csn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，来进一步讨论