在物理实验中，为验证牛顿第二定律，F=ma，我们采集到一批数据（m1, F1, m2, F2, m3, F3, ....）。但由于实验存在误差，我们常常使用最小二乘来拟合F=ma。
1. 为什么使用最小二乘拟合，其原理是什么？
提示：
（1）如上图，我们都知道，最小二乘是优化 “使得计算实验点沿d1方向到直线F=ma的距离和最短”，为什么不是优化 “沿d2方向到直线的距离和最短”？
（2）结合中心极限定理和极大似然估计来分析，可以有公式推导过程
2. 最小二乘法在机器学习里面的应用？（从机器学习模型和loss函数两方面描述）
