machine_learning_basics
1.0.0
Ce référentiel contient des implémentations d'algorithmes d'apprentissage automatique de base en Python simple (Python version 3.6+). Tous les algorithmes sont implémentés à partir de zéro sans utiliser de bibliothèques d'apprentissage automatique supplémentaires. L'intention de ces cahiers est de fournir une compréhension de base des algorithmes et de leur structure sous-jacente, et non de fournir les implémentations les plus efficaces.
Après plusieurs demandes, j'ai commencé à préparer des cahiers sur la façon de prétraiter des ensembles de données pour l'apprentissage automatique. Dans les prochains mois, j'ajouterai un cahier pour chaque type d'ensemble de données (texte, images, ...). Comme auparavant, l'intention de ces cahiers est de fournir une compréhension de base des étapes de prétraitement, et non de fournir les implémentations les plus efficaces.
Exécutez les notebooks en ligne sans avoir à cloner le référentiel ou à installer jupyter : .
Remarque : cela ne fonctionne pas pour les notebooks data_preprocessing.ipynb et image_preprocessing.ipynb car ils nécessitent d'abord le téléchargement d'un ensemble de données.
Si vous avez un algorithme favori qui devrait être inclus ou si vous repérez une erreur dans l'un des cahiers, veuillez me le faire savoir en créant un nouveau numéro.
Consultez le fichier LICENSE pour connaître les droits et limitations de licence (MIT).
