机器学习小白，博客中或多或少会有一些问题，如若各位大佬发现其中问题还望指正，万分感激。
刚开始学习机器学习，看论文的时候搞不懂那篇论文到底是做了什么，然后就去整理了一下机器学习的基础理论进行了一下对比，然后就豁然开朗了。废话不多说，直接上整理的图了。
因为现在理解不到位，所以图中有一部分是备注了的部分，等我确认了之后会再后续补充出来。
然后上述机器学习三要素是在训练网络的时候必须要考虑到的点，然后实际训练过程中，你还需要考虑数据集的处理方式以及训练集的label（监督学习），以及(dis)similar pairs等的设置。所以就我目前的体会来看，我们进行一次新的idea冲击的时候，可以从模型、损失函数、优化算法以及训练时数据集的设置等角度进行大脑风暴。