注意：该笔记是基于上一部分的笔记——线性分类器（linear classfier）而做，线性分类器由于太过简单，并没有
专门的进行笔记，而是略去。
首先，基于线性分类器，就需要获得权重矩阵W究竟是什么，此时需要用到两个策略，损失函数（loss function）和优化（optimization）。
首先回顾上一次的：
我们需要通过损失函数找到差距，之后利用优化策略改善权重矩阵的值已获得最好的效果。
如下图所示：
x_i可以看作是图片数据，y_i可以看作是对应的标签，所以一个数据集可以如右图表示，此时函数f(x_i,W)代表线性分类器预测的结果，
而L_i()则表示第i个样本下的损失的量，对L_i取样本均值，即可得到总体的损失。