Machine Learning From Scratch Machine Learning From Scratch Machine Learning
Machine Learning From Scratch Machine Learning From Scratch Machine
Machine Learning From Scratch
Machine Learning From Scratch
项目介绍
Machine Learning From Scratch是一个用Python从零实现基本机器学习模型和算法的项目。该项目的目的是展示这些算法的内部工作原理，而不是提供高度优化和计算高效的算法实现。
使用场景
- 学习和理解机器学习算法 ：该项目的主要目标是教育目的，帮助用户从底层理解各种机器学习算法的工作原理。
- 教学和研究 ：教师和研究人员可以使用这些从头实现的算法进行教学和研究，以便更好地解释和展示各种机器学习概念。
- 自定义与实验 ：开发者可以基于这些基础实现进行修改和扩展，进行实验和测试新的想法和算法。
安装步骤
$ git clone https://github.com/eriklindernoren/ML-From-Scratch $ cd ML-From-Scratch $ python setup.py install
示例
- 多项式回归 ：
python mlfromscratch/examples/polynomial_regression.py - 卷积神经网络分类 ：
python mlfromscratch/examples/convolutional_neural_network.py - 基于密度的聚类 ：
python mlfromscratch/examples/dbscan.py - 生成手写数字 ：
python mlfromscratch/unsupervised_learning/generative_adversarial_network.py - 深度强化学习 ：
python mlfromscratch/examples/deep_q_network.py - 受限玻尔兹曼机图像重构 ：
python mlfromscratch/examples/restricted_boltzmann_machine.py - 进化神经网络 ：
python mlfromscratch/examples/neuroevolution.py - 遗传算法 ：
python mlfromscratch/examples/genetic_algorithm.py - 关联分析 ：
python mlfromscratch/examples/apriori.py
实现
监督学习
- Adaboost
- 贝叶斯回归
- 决策树
- 弹性网
- 梯度提升
- K最近邻
- 套索回归
- 线性判别分析
- 线性回归
- 逻辑回归
- 多类线性判别分析
- 多层感知机
- 朴素贝叶斯
- 神经网络进化
- 粒子群优化神经网络
- 感知机
- 多项式回归
- 随机森林
- 岭回归
- 支持向量机
- XGBoost
无监督学习
- Apriori
- 自编码器
- DBSCAN
- FP-Growth
- 高斯混合模型
- 生成对抗网络
- 遗传算法
- K均值
- 中心聚类
- 主成分分析
- 受限玻尔兹曼机
强化学习
- 深度Q网络
深度学习
- 神经网络
- 各种网络层
- 模型类型
- 卷积神经网络
- 多层感知机
- 循环神经网络