m0_52889787的博客

机器学习、深度学习、有监督学习、无监督学习、强监督学习、弱监督学习、联邦学习、深度学习能取代机器学习吗？

False Positives (FP): 假正例，模型错误预测为正类的样本数量（也称为第一类错误）。False Negatives (FN): 假负例，模型错误预测为负类的样本数量（也称为第二类错误）。它是一个表格，用于描述分类模型的预测结果与实际标签之间的关系。True Positives (TP): 真正例，模型正确预测为正类的样本数量。True Negatives (TN): 真负例，模型正确预测为负类的样本数量。

机器学习/深度学习——模型的欠拟合和过拟合，正则化方法 详解。

深度学习——卷积神经网络（convolutional neural network）CNN详解（二）——前向传播与反向传播过程（特征提取+预测+反向传播更新参数）. 步骤清晰0基础可看。

梯度下降法是一种用于最小化目标函数的迭代算法，广泛应用于机器学习和人工智能中的参数优化。选择一个初始点θ0​在参数空间中开始搜索。参数可以随机初始化，但应避免全部初始化为零。确定一个适当的学习率α，它是一个正的常数，用于控制每一步更新的幅度。在每一步迭代中，计算目标函数Jθ关于参数θ的梯度∇θ​Jθ。梯度是损失函数增长最快的方向。θnew​θ−α⋅∇θ​Jθ重复步骤3和4直到满足停止条件。每次迭代都使参数更接近最小损失点。ϵ∣∣∇θ​J。

训练神经网络基础过程，详细清晰，0基础入门。

运用神经网络模型进行房价预测具体手算过程，具体示例。

在CNN的学习过程中我会提供相应的手算例子帮助理解训练过程。