#336 · 主分类: 教育与研究
machine-learning-visualized
机器学习算法在Jupyter Notebooks和NumPy中从第一性原理实现和推导
项目最后更新:08/19/26
GitHub Stars
1.9K
Forks数量
180
贡献者数量
2
许可证
MIT
收录理由
这个项目把机器学习算法拆开揉碎,用Jupyter Notebook从零推导,每一步数学都写清楚,最后用可视化展示训练过程如何收敛到最优权重。覆盖梯度下降、感知机、逻辑回归、K均值、PCA、自编码器和神经网络,还提供Marimo交互式笔记本,你可以亲手调权重,直观看到损失函数怎么变,对理解损失曲面和反向传播特别有帮助。仓库本身是构建Jupyter Book的配置,真正的代码分散在各个算法专属仓库里,所以它更像一本带图解的参考书,而不是拿来部署的工具。无论是学生、自学转行的工程师,还是准备面试或考研的人,都能从这里找到一条从优化基础到神经网络内部的清晰视觉路径。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管,为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南,覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章,助你提升开发技能
generative-ai-for-beginners
21节课,开始使用生成式AI构建