MLAlgorithms
最小化且清晰的機器學習演算法實作範例
MLAlgorithms 是什麼?
最小化且清晰的機器學習演算法實作範例。開發者可在該 GitHub 開源儲存庫中找到多種演算法的簡要實作,涵蓋監督式學習、非監督式學習等領域。
MLAlgorithms 概覽
這是什麼
這是一個精簡且清晰的機器學習演算法實作集合,使用 Python 搭配 numpy、scipy 和 autograd 撰寫。本專案旨在幫助想了解機器學習演算法內部運作或從頭實作演算法的人。程式碼刻意保持簡單易懂,不同於最佳化的函式庫。
主要功能
- 提供多種機器學習演算法的精簡清晰實作
- 使用 Python 搭配 numpy、scipy 和 autograd
- 包含深度學習(MLP、CNN、RNN、LSTM)、線性迴歸、邏輯斯迴歸、隨機森林、支援向量機(SVM)搭配核函數、K-Means、高斯混合模型、K-近鄰演算法、樸素貝氏、主成分分析(PCA)、因子分解機、受限波茲曼機(RBM)、t-分布隨機鄰近嵌入(t-SNE)、梯度提升樹以及強化學習(深度Q學習)
- 程式碼結構易於閱讀,適合教育用途
使用情境
- 學習機器學習演算法的內部運作原理
- 從頭實作演算法以進行教育專案
- 在清晰的程式碼基礎上進行原型開發與實驗不同的機器學習技術
快速開始
git clone https://github.com/rushter/MLAlgorithms
cd MLAlgorithms
pip install scipy numpy
python setup.py develop
無需安裝即可執行範例:
cd MLAlgorithms
python -m examples.linear_models
在 Docker 中執行範例:
cd MLAlgorithms
docker build -t mlalgorithms .
docker run --rm -it mlalgorithms bash
python -m examples.linear_models
授權與價格
採用 MIT 授權條款。開放原始碼且免費使用。
內容整理自該專案公開的 README 與儲存庫資訊。