rushter--mlalgorithms/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

机器学习算法

一组简洁、清晰的机器学习算法实现。

为什么？

本项目面向希望学习机器学习（ML）算法内部原理或从零实现这些算法的人。
相比优化过的库，这里的代码更易读懂，也更便于动手试验。
所有算法均使用 Python 实现，依赖 numpy、scipy 和 autograd。

已实现：

• 深度学习（MLP、CNN、RNN、LSTM）
• 线性回归、逻辑回归
• 随机森林（Random Forests）
• 支持向量机（SVM）及核函数（Linear、Poly、RBF）
• K-Means
• 高斯混合模型（Gaussian Mixture Model）
• K 近邻（K-nearest neighbors）
• 朴素贝叶斯（Naive Bayes）
• 主成分分析（PCA）
• 因子分解机（Factorization machines）
• 受限玻尔兹曼机（RBM）
• t 分布随机邻域嵌入（t-SNE）
• 梯度提升树（亦称 GBDT、GBRT、GBM、XGBoost）
• 强化学习（Deep Q learning）

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

        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

欢迎贡献！
欢迎改进现有代码与文档，或实现新算法。
若改动较大，请先开 issue 说明你的方案。