Machine Learning From Scratch

Machine Learning From Scratch

项目介绍

Machine Learning From Scratch是一个用Python从零实现基本机器学习模型和算法的项目。该项目的目的是展示这些算法的内部工作原理，而不是提供高度优化和计算高效的算法实现。

使用场景

1. 学习和理解机器学习算法：该项目的主要目标是教育目的，帮助用户从底层理解各种机器学习算法的工作原理。
2. 教学和研究：教师和研究人员可以使用这些从头实现的算法进行教学和研究，以便更好地解释和展示各种机器学习概念。
3. 自定义与实验：开发者可以基于这些基础实现进行修改和扩展，进行实验和测试新的想法和算法。

安装步骤

$ git clone https://github.com/eriklindernoren/ML-From-Scratch
$ cd ML-From-Scratch
$ python setup.py install

示例

• 多项式回归：python mlfromscratch/examples/polynomial_regression.py
• 卷积神经网络分类：python mlfromscratch/examples/convolutional_neural_network.py
• 基于密度的聚类：python mlfromscratch/examples/dbscan.py
• 生成手写数字：python mlfromscratch/unsupervised_learning/generative_adversarial_network.py
• 深度强化学习：python mlfromscratch/examples/deep_q_network.py
• 受限玻尔兹曼机图像重构：python mlfromscratch/examples/restricted_boltzmann_machine.py
• 进化神经网络：python mlfromscratch/examples/neuroevolution.py
• 遗传算法：python mlfromscratch/examples/genetic_algorithm.py
• 关联分析：python mlfromscratch/examples/apriori.py

实现

监督学习

• Adaboost
• 贝叶斯回归
• 决策树
• 弹性网
• 梯度提升
• K最近邻
• 套索回归
• 线性判别分析
• 线性回归
• 逻辑回归
• 多类线性判别分析
• 多层感知机
• 朴素贝叶斯
• 神经网络进化
• 粒子群优化神经网络
• 感知机
• 多项式回归
• 随机森林
• 岭回归
• 支持向量机
• XGBoost

无监督学习

• Apriori
• 自编码器
• DBSCAN
• FP-Growth
• 高斯混合模型
• 生成对抗网络
• 遗传算法
• K均值
• 中心聚类
• 主成分分析
• 受限玻尔兹曼机

强化学习

• 深度Q网络

深度学习

• 神经网络
• 各种网络层
• 模型类型
  • 卷积神经网络
  • 多层感知机
  • 循环神经网络