MLAlgorithms

Algoritma pembelajaran mesin

Kumpulan implementasi algoritma pembelajaran mesin yang minimal dan bersih.

Mengapa?

Proyek ini menargetkan orang-orang yang ingin mempelajari internal algoritma ml atau mengimplementasikannya dari awal.
Kode ini jauh lebih mudah diikuti daripada perpustakaan yang dioptimalkan dan lebih mudah dimainkan.
Semua algoritma diimplementasikan dengan Python, menggunakan numpy, scipy dan autograd.

Diimplementasikan:

• Pembelajaran mendalam (MLP, CNN, RNN, LSTM)
• Regresi linier, regresi logistik
• Hutan Acak
• Mendukung mesin vektor (SVM) dengan kernel (Linear, Poly, RBF)
• K-Berarti
• Model Campuran Gaussian
• K-tetangga terdekat
• Baye yang naif
• Analisis komponen utama (PCA)
• Mesin faktorisasi
• Mesin Boltzmann Terbatas (RBM)
• t-Penyematan Tetangga Stochastic Terdistribusi (t-SNE)
• Pohon Peningkat Gradien (juga dikenal sebagai GBDT, GBRT, GBM, XGBoost)
• Pembelajaran penguatan (pembelajaran Deep Q)

Instalasi

        git clone https://github.com/rushter/MLAlgorithms
        cd MLAlgorithms
        pip install scipy numpy
        python setup.py develop

Cara menjalankan contoh tanpa instalasi

        cd MLAlgorithms
        python -m examples.linear_models

Cara menjalankan contoh dalam Docker

        cd MLAlgorithms
        docker build -t mlalgorithms .
        docker run --rm -it mlalgorithms bash
        python -m examples.linear_models

Berkontribusi

Kontribusi Anda selalu diterima!
Jangan ragu untuk meningkatkan kode yang ada, dokumentasi, atau menerapkan algoritma baru.
Silakan buka terbitan untuk mengusulkan perubahan jika perubahannya cukup besar.