终值S就是训练模型算出来的总误差啦。比如学数学公式的时候，S就像算错的总次数对吧？每次调参能让S变小，说明模型越来越准了。S小到一定程度就不变了，这时候模型就学好了。

为啥说S越小越好呢？因为S代表模型和真实数据的差距，差距越小结果越对。比如用100组数据调了50次参数，S从100降到0.5，说明调参有效。数据量越大，调参次数越多，S就能降到更小。比如用梯度下降法，每一步都让S往下降，停在S最小的那个点。就像爬楼梯，S越低楼层越高，走到最底层（S最小）就到顶了。实验证明，当S小于0.1时，模型预测准确率能到99%，这时候再调参数S也不会降太多啦。