MLAlgorithms

기계 학습 알고리즘

기계 학습 알고리즘의 최소한의 깔끔한 구현 모음입니다.

왜?

이 프로젝트는 ML 알고리즘의 내부를 배우거나 처음부터 구현하려는 사람들을 대상으로 합니다.
코드는 최적화된 라이브러리보다 따르기가 훨씬 쉽고 사용하기도 더 쉽습니다.
모든 알고리즘은 numpy, scipy 및 autograd를 사용하여 Python으로 구현됩니다.

구현됨:

• 딥 러닝(MLP, CNN, RNN, LSTM)
• 선형 회귀, 로지스틱 회귀
• 랜덤 포레스트
• 커널(선형, 폴리, RBF)이 포함된 SVM(지원 벡터 머신)
• K-평균
• 가우스 혼합 모델
• K-최근접이웃
• 나이브 베이즈
• 주성분 분석(PCA)
• 인수분해 기계
• 제한된 볼츠만 머신(RBM)
• t-분산 확률적 이웃 임베딩(t-SNE)
• 그래디언트 부스팅 트리(GBDT, GBRT, GBM, XGBoost라고도 함)
• 강화학습(Deep Q 학습)

설치

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

설치하지 않고 예제를 실행하는 방법

        cd MLAlgorithms
        python -m examples.linear_models

Docker 내에서 예제를 실행하는 방법

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

기여

귀하의 기여는 언제나 환영합니다!
기존 코드, 문서를 개선하거나 새로운 알고리즘을 구현해 보세요.
변경 사항이 충분히 큰 경우 문제를 열어 변경 사항을 제안하세요.