文件名称：MLAlgorithms：机器学习算法实现的最小示例
文件大小：11.25MB
文件格式：ZIP
更新时间：2024-02-25 07:27:24
python machine-learning deep-learning machine-learning-algorithms neural-networks
机器学习算法 机器学习算法的最小和简洁实现的集合。 为什么？ 该项目面向想要学习ml算法内部知识或从头开始实现它们的人们。 与优化的库相比，该代码更容易遵循和使用。 所有算法均使用numpy，scipy和autograd在Python中实现。 实施： 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
【文件预览】：
MLAlgorithms-master
----MANIFEST.in(38B)
----.github()
--------workflows()
----Dockerfile(174B)
----LICENSE(1KB)
----setup.cfg(97B)
----requirements.txt(105B)
----AUTHORS(248B)
----examples()
--------nnet_convnet_mnist.py(1KB)
--------gaussian_mixture.py(1KB)
--------random_forest.py(2KB)
--------nearest_neighbors.py(1KB)
--------svm.py(1KB)
--------gbm.py(2KB)
--------linear_models.py(2KB)
--------nnet_rnn_text_generation.py(2KB)
--------nnet_rnn_binary_add.py(2KB)
--------pca.py(1KB)
--------__init__.py(16B)
--------nnet_mlp.py(3KB)
--------kmeans.py(422B)
--------rbm.py(509B)
--------rl_deep_q_learning.py(1008B)
--------t-sne.py(513B)
--------naive_bayes.py(763B)
----setup.py(1KB)
----.gitignore(51B)
----mla()
--------gaussian_mixture.py(7KB)
--------tsne.py(4KB)
--------metrics()
--------base()
--------neuralnet()
--------tests()
--------fm.py(3KB)
--------knn.py(2KB)
--------linear_models.py(4KB)
--------pca.py(2KB)
--------__init__.py(100B)
--------kmeans.py(5KB)
--------ensemble()
--------svm()
--------rbm.py(3KB)
--------rl()
--------utils()
--------datasets()
--------naive_bayes.py(2KB)
----README.md(2KB)