机器学习算法实现的简洁示例：MLAlgorithms

Minimal and clean examples of machine learning algorithms implementations

介绍一个常用的机器学习算法的最小和简洁实现的集合：机器学习算法库 https://github.com/rushter/MLAlgorithms。

为什么？

该项目面向想要学习ml算法的内部知识或从头开始实现它们的人们。

与优化的库相比，该代码更易于遵循和使用。

所有算法均使用 numpy，scipy 和 autograd 在 Python 中实现。

实现 ：

• 深度学习（MLP，CNN，RNN，LSTM）
• 线性回归，逻辑回归
• 随机森林
• 支持向量机（SVM），带有内核（线性，多项式，RBF）
• K均值
• 高斯混合模型
• K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分布随机邻居嵌入（t-SNE）
• 梯度增强树（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开发

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

永远欢迎您的贡献！
随时改进现有代码，文档或实施新算法。
如果您的更改足够大，请提出一个建议。