machine_learning_basics

Conceptos básicos del aprendizaje automático

Este repositorio contiene implementaciones de algoritmos básicos de aprendizaje automático en Python simple (Python versión 3.6+). Todos los algoritmos se implementan desde cero sin utilizar bibliotecas de aprendizaje automático adicionales. La intención de estos cuadernos es proporcionar una comprensión básica de los algoritmos y su estructura subyacente, no proporcionar las implementaciones más eficientes.

• Regresión lineal bayesiana
• Árbol de decisión para clasificación.
• Árbol de decisión para la regresión
• k-vecino-más-cercano
• Agrupación de k-medias
• Regresión lineal
• Regresión logística
• Regresión logística multinomial
• perceptrón
• Análisis de componentes principales
• Red neuronal simple con una capa oculta
• regresión softmax
• Máquinas de vectores de soporte

Preprocesamiento de datos

Después de varias solicitudes, comencé a preparar cuadernos sobre cómo preprocesar conjuntos de datos para el aprendizaje automático. En los próximos meses añadiré un cuaderno para cada tipo de conjunto de datos (texto, imágenes,...). Como antes, la intención de estos cuadernos es proporcionar una comprensión básica de los pasos de preprocesamiento, no proporcionar las implementaciones más eficientes.

• Preprocesamiento de imágenes
• Preprocesamiento de un conjunto de datos numéricos/categóricos

Demostración en vivo

Ejecute los cuadernos en línea sin tener que clonar el repositorio ni instalar jupyter: .

Nota: esto no funciona para los cuadernos data_preprocessing.ipynb e image_preprocessing.ipynb porque primero requieren descargar un conjunto de datos.

Comentario

Si tiene un algoritmo favorito que debería incluirse o detecta un error en uno de los cuadernos, hágamelo saber creando una nueva edición.

Licencia

Consulte el archivo LICENCIA para conocer los derechos y limitaciones de la licencia (MIT).