MLAlgorithms

机器学习算法

机器学习算法的最小且干净的实现的集合。

为什么？

该项目针对的是那些想要学习机器学习算法内部原理或从头开始实现它们的人。
该代码比优化的库更容易理解，也更容易使用。
所有算法均使用 Python、numpy、scipy 和 autograd 实现。

实施的：

• 深度学习（MLP、CNN、RNN、LSTM）
• 线性回归、逻辑回归
• 随机森林
• 带核的支持向量机 (SVM)（线性、Poly、RBF）
• K-均值
• 高斯混合模型
• K-最近邻
• 朴素贝叶斯
• 主成分分析（PCA）
• 分解机
• 受限玻尔兹曼机 (RBM)
• t-分布式随机邻域嵌入 (t-SNE)
• 梯度提升树（也称为 GBDT、GBRT、GBM、XGBoost）
• 强化学习（深度Q学习）

安装

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

如何在不安装的情况下运行示例

        cd MLAlgorithms
        python -m examples.linear_models

如何在 Docker 中运行示例

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

贡献

随时欢迎您的贡献！
请随意改进现有代码、文档或实施新算法。
如果更改足够大，请打开一个问题来提出您的更改。