Learning Focus
学习目标
把每节内容压缩成可以直接执行的工程判断，阅读时优先看目标，再看代码。
Focus 01
损失函数衡量预测值和真实值之间的差距。
Focus 02
梯度表示参数变化对损失的影响方向和大小。
Focus 03
梯度下降沿着让损失降低的方向更新参数。
理解方式
先把概念放进完整系统中理解，再用最小代码或配置确认它如何工作。
- 它解决什么问题。
- 它依赖什么组件。
- 它失败时怎么处理。
示例
代码示例突出最小可理解片段，用来连接概念和工程实践。
import numpy as np
y_true = np.array([1.0, 0.0, 1.0])
y_pred = np.array([0.8, 0.3, 0.6])
loss = np.mean((y_true - y_pred) ** 2)
print(loss)常见误区
- 只记配置项，不理解它在调用链路中的位置。
- 把示例代码直接搬进生产环境，没有补充超时、校验、日志和回退策略。
- 学习神经网络时只看框架 API，不检查输入输出形状和数据分布。
练习
比较分类任务和回归任务常见的损失函数差异。