首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Github 项目推荐 | 用 Python 实现的基础机器学习算法

Github 项目推荐 | 用 Python 实现的基础机器学习算法

作者头像
AI研习社
发布2018-03-28 10:07:55
1.5K0
发布2018-03-28 10:07:55
举报
文章被收录于专栏:AI研习社AI研习社
本库包含了用 Python (3.6 版本及以上)实现的基本的机器学习算法,所有的算法都是从头开始写并且没有用到其他的机器学习库。该库旨在让开发者对这些基本的机器学习算法有简单的了解,而不是用有效的方式去实现它们。

Github 地址:

https://github.com/zotroneneis/machine_learning_basics

线性回归

在线性回归中,我们会模拟标量因变量 y 和一个及多个独立变量 x 之间的关系。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/linear_regression.ipynb

逻辑回归

在逻辑回归中,我们试图对给定输入要素线性组合的二元变量的结果进行建模。比如我们可以通过候选人在竞选中投入的财力和时间的多少来预测获选的机率。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/logistic_regression.ipynb

感知器

感知器算法是一种简单的监督学习算法,也是最早的神经网络结构之一,它由 Rosenblatt 在 20 世纪 50 年代末引入。感知器表示二元线性分类器,其使用 d-1 维超平面将一组训练实例( d 维输入向量)映射到二进制输出值。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/perceptron.ipynb

K-近邻

KNN 算法是一种简单的监督学习算法,可以用于分类和回归问题。它是一种基于实例的算法,所以它将所有训练好的样例储存在内存里并用相似性度量进行预测,而不是评估模型。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/k_nearest_neighbour.ipynb

k-Means 聚类

k-Means 是一种简单的聚类算法。给定固定数量的聚类和输入数据集,该算法会将数据划分为聚类,使得聚类具有较高的类内相似性和较低的类间相似性。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/kmeans.ipynb

带有一个隐层的简单神经网络

该库实现了一个简单的神经网络架构,可以将 2 维度的输入向量映射到二进制输出值。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/simple_neural_net.ipynb

多项逻辑回归

Softmax 回归,也称为多项逻辑回归,将逻辑回归扩展到多个类别。

链接:

https://github.com/zotroneneis/machine_learning_basics/blob/master/softmax_regression.ipynb

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-03-15,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI研习社 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档