machine_learning_basics

Dasar-dasar pembelajaran mesin

Repositori ini berisi implementasi algoritma pembelajaran mesin dasar dengan Python biasa (Python Versi 3.6+). Semua algoritme diimplementasikan dari awal tanpa menggunakan pustaka pembelajaran mesin tambahan. Tujuan dari buku catatan ini adalah untuk memberikan pemahaman dasar tentang algoritma dan struktur dasarnya, bukan untuk memberikan implementasi yang paling efisien.

• Regresi Linier Bayesian
• Pohon keputusan untuk klasifikasi
• Pohon keputusan untuk regresi
• k-tetangga-terdekat
• k-Berarti pengelompokan
• Regresi Linier
• Regresi Logistik
• Regresi Logistik Multinomial
• Perseptron
• Analisis Komponen Utama
• Jaringan saraf sederhana dengan satu lapisan tersembunyi
• Regresi softmax
• Mendukung mesin vektor

Pemrosesan awal data

Setelah beberapa permintaan, saya mulai menyiapkan buku catatan tentang cara melakukan praproses kumpulan data untuk pembelajaran mesin. Dalam beberapa bulan ke depan saya akan menambahkan satu buku catatan untuk setiap jenis kumpulan data (teks, gambar, ...). Seperti sebelumnya, tujuan dari buku catatan ini adalah untuk memberikan pemahaman dasar tentang langkah-langkah pra-pemrosesan, bukan untuk memberikan implementasi yang paling efisien.

• Pemrosesan awal gambar
• Memproses awal kumpulan data numerik/kategoris

Demo langsung

Jalankan notebook secara online tanpa harus mengkloning repositori atau menginstal jupyter: .

Catatan: ini tidak berfungsi untuk notebook data_preprocessing.ipynb dan image_preprocessing.ipynb karena memerlukan pengunduhan kumpulan data terlebih dahulu.

Masukan

Jika Anda memiliki algoritme favorit yang harus disertakan atau menemukan kesalahan di salah satu buku catatan, beri tahu saya dengan membuat terbitan baru.

Lisensi

Lihat file LISENSI untuk hak dan batasan lisensi (MIT).