MLAlgorithms

อัลกอริธึมการเรียนรู้ของเครื่อง

ชุดของการใช้งานอัลกอริธึมการเรียนรู้ของเครื่องที่น้อยที่สุดและสะอาดตา

ทำไม

โปรเจ็กต์นี้กำหนดเป้าหมายไปที่ผู้ที่ต้องการเรียนรู้ภายในของอัลกอริทึม ml หรือนำไปใช้ตั้งแต่เริ่มต้น
โค้ดนั้นง่ายต่อการติดตามมากกว่าไลบรารีที่ได้รับการปรับปรุงและเล่นได้ง่ายกว่ามาก
อัลกอริธึมทั้งหมดถูกนำไปใช้ใน Python โดยใช้ numpy, scipy และ autograd

นำไปใช้:

• การเรียนรู้เชิงลึก (MLP, CNN, RNN, LSTM)
• การถดถอยเชิงเส้น การถดถอยโลจิสติก
• ป่าสุ่ม
• รองรับเครื่องเวกเตอร์ (SVM) ด้วยเคอร์เนล (Linear, Poly, RBF)
• K-หมายถึง
• แบบจำลองส่วนผสมแบบเกาส์เซียน
• K-เพื่อนบ้านที่ใกล้ที่สุด
• อ่าวไร้เดียงสา
• การวิเคราะห์องค์ประกอบหลัก (PCA)
• เครื่องแยกตัวประกอบ
• เครื่อง Boltzmann แบบจำกัด (RBM)
• t-Distributed Stochastic Neighbor Embedding (t-SNE)
• ต้นไม้การไล่ระดับสี (หรือที่เรียกว่า GBDT, GBRT, GBM, XGBoost)
• การเรียนรู้แบบเสริมกำลัง (Deep Q Learning)

การติดตั้ง

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

วิธีรันตัวอย่างโดยไม่ต้องติดตั้ง

        cd MLAlgorithms
        python -m examples.linear_models

วิธีเรียกใช้ตัวอย่างภายใน Docker

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

มีส่วนร่วม

การมีส่วนร่วมของคุณยินดีต้อนรับเสมอ!
อย่าลังเลที่จะปรับปรุงโค้ด เอกสาร หรือใช้อัลกอริทึมใหม่ที่มีอยู่
โปรดเปิดประเด็นเพื่อเสนอการเปลี่ยนแปลงของคุณหากมีขนาดใหญ่พอ