MLAlgorithms

機器學習演算法

機器學習演算法的最小且乾淨的實現的集合。

為什麼？

這個專案針對的是那些想要學習機器學習演算法內部原理或從頭開始實現它們的人。
該程式碼比優化的函式庫更容易理解，也更容易使用。
所有演算法均使用 Python、numpy、scipy 和 autograd 實作。

實施的：

• 深度學習（MLP、CNN、RNN、LSTM）
• 線性迴歸、邏輯迴歸
• 隨機森林
• 帶核的支援向量機 (SVM)（線性、Poly、RBF）
• K-均值
• 高斯混合模型
• K-最近鄰
• 樸素貝葉斯
• 主成分分析（PCA）
• 分解機
• 受限玻爾茲曼機 (RBM)
• t-分佈式隨機鄰域嵌入 (t-SNE)
• 梯度提升樹（也稱為 GBDT、GBRT、GBM、XGBoost）
• 強化學習（深度Q學習）

安裝

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

如何在不安裝的情況下運行範例

        cd MLAlgorithms
        python -m examples.linear_models

如何在 Docker 中運行範例

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

貢獻

隨時歡迎您的貢獻！
請隨意改進現有程式碼、文件或實作新演算法。
如果更改足夠大，請打開一個問題來提出您的更改。