会读
看到 3x、x₄、(a+b)² 时，能逐字翻译它们的含义。
00 / MISSION
这一章要解决什么问题？
机器学习常常要处理成百上千个数字。如果每次都把数字完整抄一遍，规律会被淹没。我们需要一种语言，能写出所有同类问题都适用的规则。
会算
能代入数字、使用分配律，并计算一组数据到候选值的平方误差。
会解释
能说明为什么平均数会出现在“寻找最小误差”的机器学习任务中。
01 / LETTERS AS CONTAINERS
字母不是神秘数字，而是“有名字的盒子”
假设三次数学测验是 56、78、91 分。要算平均分，我们写 (56+78+91)÷3。换一位同学，三个数字变了，但“相加再除以 3”的规则没有变。
FROM ONE EXAMPLE TO A RULE / 从一个例子到通用规则
(56 + 78 + 91) ÷ 3 → (a + b + c) ÷ 3
a、b、c 是三个盒子的名字。把不同分数放进去，同一条公式仍然能工作。
a、b、c 盒子里的内容变了，但“相加再除以 3”的规则完全没有变。这就是使用字母的真正原因。a, b, c
常用来表示已知数或固定参数。
例如三次已经得到的分数。
x, y, z
常用来表示会变化或待寻找的数。
例如我们正在尝试的预测值 x。
i, j, k
常用来表示位置编号。
例如第 i 个数据，但这只是习惯，不是死规定。
!
容易误会：字母一定等于某个固定数字？不一定。字母的身份由题目决定。
a 在一道题里可以是 56，在另一道题里可以是 82；先看定义，再计算。
WHY MACHINE LEARNING?
模型必须用同一条规则处理新数据
训练时和预测时的数据都可能改变，公式不能只为一个数字服务。字母让我们先写下通用关系，再把每个样本的具体数值代进去。
02 / AVERAGE MACHINE
一条平均数公式，能处理无数组数字
三个数的平均数，就是总和平均分给三份。括号很重要：它告诉我们先把三个数加起来，再除以 3。
a + b + c把三个数据合成总量。÷ 3总量平均分成 3 份，因为现在有 3 个数据。(a+b+c)÷3得到这三个数据的“中心位置”——平均数。互动实验：给字母换数字LAB 01 / 05
LIVE FORMULA / 实时代入
(56+78+91)÷3
平均数 = 75 分
三个分数总共 225 分，平均分成 3 份，每份 75 分。
03 / MATH SHORTHAND
为什么 3 × x 可以写成 3x？
字母已经让公式变短，数学家还会省略乘号。数字写在字母前面时，3x 就表示“3 乘 x”。
THREE EQUIVALENT WRITINGS / 三种写法含义相同
3 × x = 3 · x = 3x
如果 x=4，那么 3x=3×4=12。它绝不是 34，也不是 x³。
×
3x、x₃ 和 x³ 是三件不同的事3x 是 3 乘 x；x₃ 是第 3 个 x；x³ 是 x 自己相乘 3 次。数字的位置决定含义。互动实验：代入以后再计算LAB 02 / 05
看到字母式时，先把字母替换为括号里的具体数字，再按运算顺序计算。
SUBSTITUTION / 代入过程
3x = 3×4 = 12
x² = 4×4 = 16
注意：系数
3 和平方 ² 做的事情不同。04 / DISTRIBUTIVE LAW
分配律：括号外的数，要送给里面每一项
买 3 份套餐，每份有一瓶水 x 元和一块面包 y 元。可以先算一份套餐再乘 3，也可以分别算 3 瓶水和 3 块面包。
DISTRIBUTIVE LAW / 分配律
a(x + y) = ax + ay
括号外的 a 必须分别乘括号里的 x 和 y，不能漏掉任何一项。
图解：把 a 分给两项LAB 03 / 05
a
x
y
a(x + y) = ax + ay
想象
a 是快递员：括号里有几户人家，它就必须把包裹送到几户。!
常见错误：
3(x+4)=3x+4右边漏乘了 4。正确是 3x+12。可以代入 x=2 检查：左边是 18，错误写法只有 10。05 / SQUARE FORMULA
(a+b)² 为什么不等于 a²+b²？
(a+b)² 表示边长为 a+b 的正方形面积。把大正方形切开，会得到四块，而不是两块。
SQUARE EXPANSION / 完全平方公式
(a + b)² = a² + ab + ab + b² = a² + 2ab + b²
中间的两块长方形面积都是 ab，所以绝不能漏掉 2ab。
互动实验：把平方公式看成面积LAB 04 / 05
(3+2)² = 9+12+4 = 25
a²：左上正方形2ab：两块一样的长方形b²：右下正方形
WHY MACHINE LEARNING?
平方会把正负误差都变成非负数
预测高了 3 和预测低了 3，一个误差是 +3，一个是 −3；直接相加会互相抵消。平方后都变成 9，而且较大的错误会受到更重惩罚。
06 / SUBSCRIPTS
数据太多时，用下标给它们编号
如果有 1000 个分数，不可能一直发明新字母。我们用同一个字母 x 表示“同一类数据”，再用右下角的小数字表示它的位置。
ONE DATASET, MANY POSITIONS / 同一组数据的不同位置
x₁, x₂, x₃, …, xᵢ, …, xₙ
xᵢ 读作“x 下标 i”，表示第 i 个数据；n 常表示数据总数。
x₁
第 1 个数据 = 72 分
下标 1 是位置标签，不是“x 乘 1”，也不是“一次方”。
xᵢ第 i 个数据；i 可以依次取 1、2、3……xₙ第 n 个数据；如果一共有 n 个，它就是最后一个。程序里的 data[0]许多编程语言从 0 开始编号；数学教材常从 1 开始。规则不同，含义相同：都是定位。07 / WRITE THE ERROR
把“猜得好不好”写成一个能计算的数
有三个数据 2、5、8。我们只用一个数 x 代表它们。怎样判断某个候选值好不好？分别计算每个数据和 x 的距离，再平方、相加。
一句话
损失函数就是机器能读懂的“评分尺”。人能说“5 看起来比较合适”，机器只会比较数字；于是我们规定：损失越小，猜得越好。
先把 2、5、8 放回一个生活场景
假设同一条配送路线最近三天分别晚到 2、5、8 分钟。最简单的模型暂时不看天气和路况，只学习一个固定数 x，作为“这条路线通常会晚几分钟”的预测。
三天真实发生的晚点分钟数，是模型必须尊重的证据。
这是只有一个参数的最小模型；它对每个相似日子先给同一个答案。
把三天的错误合成一个分数，才能公平比较不同候选值。
?
学生会问：为什么三天都预测同一个 x？真正的机器学习不是应该每天猜得不一样吗？
问得对。本章故意从最简单的基准模型开始：它还不会看天气、距离等条件，只学习“通常是多少”。等我们加入输入特征后，模型就能根据不同情况给出不同预测。这里的简单模型是起点，不是机器学习的全部。
SQUARED ERROR SUM / 平方误差和
E(x) = (2−x)² + (5−x)² + (8−x)²
E 可以理解为 Error（误差）。它不是一个固定数，因为换一个候选值 x，总误差也会改变。
(2−x)²第 1 个数据与候选值的平方距离
(5−x)²第 2 个数据与候选值的平方距离
(8−x)²第 3 个数据与候选值的平方距离
x=2 完美符合第一天，却离第三天很远；x=8 也有同样问题。x=5 没有照顾某一天而牺牲另外两天，所以总损失最小。别把“误差、平方误差、总损失”混成一个东西
ONE SAMPLE / 一条数据带方向的误差真实值减预测值，正负号告诉我们预测偏高还是偏低。
8 − 5 = +3
ONE SAMPLE / 一条数据平方误差把这一次误差平方，避免正负抵消，并让大错误更显眼。
(+3)² = 9
ALL SAMPLES / 整组数据总损失把所有样本的平方误差相加，得到比较模型的训练分数。
9 + 0 + 9 = 18
单位提醒：晚点距离是“分钟”，平方误差是“分钟²”，总损失主要是训练用的评分。看到损失 18，不能说“模型晚了 18 分钟”。
为什么一定要变成一个数？
如果模型 A 在第一天更准、模型 B 在第三天更准，仅靠“看起来不错”无法决定谁更好。损失把所有样本的错误合成一个统一分数，计算机才能完成三件事：比较两个模型、判断这次调整有没有进步、决定下一步往哪里改。
!
距离与平方误差不是同一个数当距离是 3 时，平方误差是 9。平方是为了让方向不互相抵消，并让大错误更显眼，不是因为原来的距离“算错了”。
08 / ERROR VALLEY
拖动候选值，寻找误差山谷的最低点
把每个 x 对应的总误差画成点，会形成一条 U 形曲线。曲线越低，代表这个候选值让三个数据的整体误差越小。
横轴：模型正在猜什么
x=2、3、4、5…，每个位置都是一个候选参数。纵轴：这次猜得多差
E(x) 越大，整体错误越严重；越小越好。曲线上的点：一次试验例如点
(5,18) 表示猜 5 时，总损失是 18。
x → E(x)，再把这些点画出来。所谓“走到谷底”，其实就是让损失数字从 45、30、21 一路下降到 18。不要把“山谷”误会成真实地形。它只是一张成绩变化图：横向换候选参数，纵向记录损失。真实程序通常不会先画图再用眼睛找，而是用优化方法计算应该往哪个方向调整。
互动实验：哪一个 x 最能代表 2、5、8？LAB 05 / 05
E(x) = 18.00
(2−5)² + (5−5)² + (8−5)² = 9 + 0 + 9
你找到了最低点：x=5，正好也是 2、5、8 的平均数。
机器怎样知道应该往左还是往右？
最直观的方法是试一下旁边的位置：如果损失下降，就继续朝那个方向移动。真实机器学习常用“梯度”更快地判断下坡方向；你现在只需把它理解成观察哪边更低。
x=2：E=45试试右边的
x=3，损失变成 30，说明应该向右走。x=5：E=18向左到 4 或向右到 6，损失都会变成 21，因此这里是最低点。
x=8：E=45试试左边的
x=7，损失变成 30，说明应该向左走。
为什么
不是 0
不是 0
因为一个固定的 x 不可能同时等于 2、5、8。最低损失是 18，不代表训练失败，而是说明这个只有一个参数的简单模型能力有限。加入天气、距离等特征后，真实模型可以对不同日子给出不同预测。
为什么最低点恰好是平均数？
把代表值向右移动，会离左边的数据更远、离右边的数据更近。平均数是平方误差彼此平衡的位置。对任意一组数据，平方误差和最小时的代表值就是平均数。
选学挑战：用公式证明最低点是 5
看不懂这一段也不影响继续学习。它只是把刚才图上的“最低点”变成严格的代数结论。
E(x)=(2−x)²+(5−x)²+(8−x)²先写出总误差。
E(x)=3x²−30x+93使用平方公式和分配律展开，再合并同类项。
E(x)=3(x−5)²+18把式子重新整理成“一个平方 + 18”。
(x−5)² ≥ 0平方不可能小于 0；当
x=5 时，它才等于 0，所以最小总误差是 18。09 / MACHINE LEARNING BRIDGE
机器学习，其实在重复“尝试—算错—改进”
刚才的 x 可以看成一个极简模型的参数。机器不断尝试不同的 x，用损失函数评分，再朝误差更小的方向调整。这个反复降低损失的过程，就是“训练”。
尝试发生在哪里？蓝色参数从
x=12 变成 18，再变成 20。算错怎样被记录？每轮都把三次误差平方相加，得到损失 200、20、8。
改进的证据是什么？不是机器人“感觉更好”，而是同一把评分尺测得的损失持续下降。
STEP 01选一个参数
先猜候选值 x，例如 2。
STEP 02做出预测
用同一个 x 代表所有数据。
STEP 03计算损失
平方误差和告诉我们整体错得多不多。
STEP 04找到最低点
不断调整，直到损失不能再变小。
参数 parameter模型中可以被调整的数；本例是 x。损失 loss把“模型有多差”压缩成一个可比较的数；本例是 E(x)。优化 optimization寻找让损失尽可能小的参数；本例的最佳参数是 5。本章模型和真实模型，差别在哪里？
不看条件，只学一个通常值
预测晚点 = x
- 参数只有
x一个。 - 每个日子都会得到同一个预测。
- 适合先理解损失与优化。
读取特征，再产生不同预测
预测时间 = w₁×距离 + w₂×雨量 + b
- 距离、雨量是输入特征。
w₁、w₂、b是要学习的参数。- 条件不同，预测结果也不同。
换成真实任务，哪些东西变了？
预测一单需要多久
模型读取距离、天气和时段，预测 28 分钟；真实用了 30 分钟。训练时把这 2 分钟误差计入许多订单的总损失。
单次平方误差：(30−28)² = 4
学习每个特征的影响
面积、楼层、位置都有自己的参数。模型预测 105 万，真实成交 100 万；优化器调整多个参数，让许多房子的总损失下降。
单次平方误差：(100−105)² = 25
预测明天准备多少份
模型根据星期、天气和历史销量预测 210 份，实际卖出 220 份。损失帮助模型判断新的参数是否比昨天更好。
误差：220−210 = 10 份
平方误差不是所有机器学习的唯一选择。预测连续数字（时间、价格、销量）经常使用平方损失；识别猫狗等分类任务常使用别的损失函数。但共同原则不变：必须把“预测有多差”变成可计算、可比较的分数。
训练分数低，就一定真的学会了吗？
训练数据：平时练习模型可以查看这些记录并调整参数。训练损失下降，说明它越来越会处理已经看过的例子。
→
测试数据：没见过的新题训练结束后，用新的记录检查模型。新数据上也表现好，才说明它学到了可推广的规律，而不是只记住答案。
学有余力：真实世界的“山谷”还会更复杂
本章只有一个参数，损失曲线是清楚的 U 形。真实模型可能有许多参数，损失图更像有山脊、平地和多个低洼处的复杂地形；调整一步的大小叫“学习率”，太大可能跨过谷底，太小又会走得很慢。你暂时不需要计算它们，只需记住：寻找更小损失的核心思想没有变。
IMPORTANT BOUNDARY / 别把类比当全部
真实模型通常不只有一个参数
本章是一个最小模型：只寻找一个代表值。现实中的图像识别模型可能有数百万甚至更多参数，但基本逻辑仍相似——定义损失、调整参数、让损失下降。聚类算法 K-means 中的“聚类中心”也会用到平均数与平方距离。
10 / ONE-PAGE RECAP
离开这一章前，你应该能说清四件事
01 字母是可替换的盒子同一条公式换入不同数字，仍能执行相同规则。
02 位置改变，符号含义改变
3x 是乘法，x₃ 是编号，x³ 是三次方。03 公式变形要保持等值分配律不能漏项，平方展开不能漏掉中间的
2ab。04 训练就是反复降低损失模型先预测，损失函数打分，优化器调整参数；在本章的单参数模型中，最低点是平均数。
STORY LAB / 先在生活里遇见公式
面包香来时，牛奶也正好温热
开米和米悦想在周六早晨给爸爸一个小惊喜：等他买面包回来，桌上的牛奶既不能早早凉掉，也不能还没热好。她们没有从公式开始，而是先翻出三个旧周六留下的等待记录。
姐姐 · 开米 Kimi · 13 岁妹妹 · 米悦 · 6 岁爸爸 · 先提问题，最后再总结任务 · 让热牛奶与新面包尽量同时到桌
ACT01
米悦第三次把凉牛奶端回厨房
前一个周六，爸爸很快就带着面包回来，米悦还没来得及热牛奶；再前一个周六，她提前端上桌，牛奶等到没有热气。米悦不想再把早餐变成碰运气。
开米翻出三条旧计时带：从爸爸发来“买到了”的消息，到门锁响起，分别等了 2 分钟、5 分钟和 8 分钟。米悦伸手去拿最短的一条，因为她最不喜欢等待。
爸爸只问：如果今天不像最快的那一次，你愿不愿意先让另外两次也把经过说完？
故事里三个周六留下三次等待
数学里2、5、8 是三个数据
机器学习里它们是训练样本
ACT02
会换数字的小盒子，需要一个不会换的名字
开米想做一张下周还能继续用的记录卡。如果每次都把 2、5、8 印死在卡上，新周六一来，整张卡就要重做。她画了三个空盒，先叫它们 a、b、c。
米悦把三条计时带换着塞进盒子，终于明白：字母不是神秘数字，而是“这个位置以后会装一个值”的名字。开米又把等待旋钮叫作 x，因为 x 还要试很多次，并没有提前决定。
三个数据的平均数 = (a+b+c)÷3
x = 模型这一次尝试的等待时间
x = 模型这一次尝试的等待时间
爸爸仍然只问：下周换成三条新记录时，是公式跟着换，还是只换盒子里的内容？
ACT03
米悦把小小的 3 搬了三次家
米悦想在卡片上写“有三份 x”，先把 3 放到 x 的脚边，又举到 x 的头顶。开米没有擦掉，而是拿来木块，让三个写法各自做一次工作。
3x3 在前面：3 个 x，也就是 3×x
x₃3 在右下角：第 3 条 x 数据
x³3 在右上角：x×x×x
米悦给三个位置起了小名：“几份座”“号码座”和“连乘座”。这样一来，她不再只看见一个小小的 3，而会先问它坐在哪里。
爸爸只指着三个位置问：它们长得一样，就一定在做同一份工作吗？
ACT04
不能让第三只早餐盘少一杯酸奶
爸爸出门前，姐妹先摆三份早餐。每份都有一块 x 元的面包和一杯 y 元的酸奶。米悦写成 3x+y，开米却指了指两只空着酸奶格的盘子。
3(x+y)=3x+3y
括号外的 3 要分给里面每一项。随后，她们用两种花布拼边长为 a+b 的正方形隔热垫。两个角落之外，还剩两条同样大小的长方形，谁也不能凭空消失。
(a+b)²=a²+ab+ab+b²=a²+2ab+b²
爸爸临出门前问：少掉一杯酸奶，早餐还完整吗？少掉一块 ab，大正方形还铺得满吗？
ACT05
只讨好最快的一天，另外两天就被忘了
门关上后，米悦立刻把旋钮推到 2。这样确实能完美配合最快的一天，可 5 和 8 仍离它很远。开米让每条记录都算一次“真实等待减去候选时间”，再把结果平方。
E(x)=(2−x)²+(5−x)²+(8−x)²
E 是总损失：不是某一天的错误，而是三天共同给 x 打出的分数。平方让正负误差都留下来，也让离得特别远的候选值受到更明显的惩罚。
E(2)=0+9+36=45
E(5)=9+0+9=18
E(8)=36+9+0=45
E(5)=9+0+9=18
E(8)=36+9+0=45
2、5、8三个训练样本
x模型正在尝试的参数
E(x)整组样本的总损失
ACT06
厨房桌上，真的长出了一座误差山谷
开米没有直接说答案。她们继续试 3、4、6、7，把每个候选时间的总损失都用方块堆起来。两边越堆越高，中间只剩一处低低的谷底。
米悦把橙色旋钮从左边往右推：只要方块变少，就继续；一旦方块变多，就退回上一步。最后旋钮停在 5。她重新算了一遍，2、5、8 相加再除以 3，也正好得到 5。
平均数=(2+5+8)÷3=5
对“只预测一个固定值”的模型，平均数使平方误差和最小。
对“只预测一个固定值”的模型，平均数使平方误差和最小。
米悦终于说清楚：机器不是因为喜欢 5 才选它，而是因为三条记录一起评分时，5 的总损失最低。
尝试先放一个候选参数
算错计算整组数据的损失
改进向损失更低的位置移动
ACT07
第五分钟响了，门外却只有雨声
橙色旋钮停在 5，米悦准时端出牛奶。可窗外突然下起大雨，五分钟过去，门锁没有响；又等了很久，浑身湿透的爸爸才提着面包回来。
米悦摸着凉掉的杯子，小声问：“我们不是已经找到最低点了吗？”开米没有马上回答，只把旧记录排开：那三天都是普通天气，也没有记录面包店前排了多少人。
爸爸仍然只问：今天和那三个周六有什么不同？你们的旧规则，看得见这些不同吗？
旧模型每天都只预测同一个 x
漏掉的线索雨势、排队情况
这次失败暴露模型缺少哪些特征
姐妹终于明白：谷底只保证“在旧数据和旧规则里已经尽力”，并不保证每个新日子都正确。最小训练损失不是永远正确的证明。
ACT08
几个周六以后，蒸汽和门锁几乎同时出现
姐妹又记录了几个周六。这一次，她们除了等待时间，还留下晴雨和排队情况。开米把模型写成一条会读取条件的规则，米悦负责把当天线索放进对应的小盒。
预测时间 = w₁×排队情况 + w₂×雨势 + b
她们还保留了一个新周六，不让它参与调参数，只用来检查规则有没有学会。那天定时器响起不久，门锁也“咔哒”一声。米悦捧起仍有热气的杯子，却没有把记录卡收起来，而是把今天的结果放进下一轮资料。
爸爸最后的总结：字母给会变化的数留位置；参数 x 是模型正在调整的猜测；损失把许多样本的错误合成一个可比较的分数；寻找谷底，就是让模型朝整体错误更小的方向学习。平均数是“固定预测模型”的最佳答案，而天气、排队等特征能让更完整的模型针对不同日子作出不同预测。
收集数据 → 尝试参数 → 计算损失 → 向低处调整 → 用新数据检验
故事里姐妹调整早餐等待时间
数学里寻找平方误差和的最小值
机器学习里根据数据训练并检验模型
FAMILY MEMORY KEY / 一家人的记忆口诀
字母给变化留座位，样本一起给参数评分；试一个数，算整组错，往低处改，再让新一天检验。
早餐总错时→保留旧数据→字母留位置→看懂代数→样本共同评分→寻找谷底→发现缺少特征→用新周六检验
11 / LIVE DIAGNOSTIC
选择后立刻知道：你是算错，还是概念没懂
每道题选完马上反馈。答错后可以去对应知识点复习，再回来修改；章末报告仍会记住你第一次暴露的漏洞。