#142 · 主分类： 教育与研究
MLAlgorithms
deep-learning
machine-learning
machine-learning-algorithms
neural-networks
python
机器学习算法实现的简洁示例
项目最后更新：05/07/26
GitHub Stars
11.2K
Forks数量
1.8K
贡献者数量
27
许可证
MIT
收录理由
这套代码库是为那些想读代码、而不只是调用接口的人准备的。成熟的机器学习库为了性能，往往把数学逻辑层层包裹在优化技巧之下，而这里的实现则贴着公式走：线性模型、带核函数的SVM、随机森林、k-means、PCA、朴素贝叶斯，全部用Python配合numpy和scipy写成，内部步骤一目了然。配合教材或课程使用尤其顺手，你可以一步步追踪梯度下降、高斯混合模型的EM算法、反向传播究竟是如何运转的。需要坦诚的是，它更像一份学习资料而非生产级工具，但如果你打算从底层吃透机器学习，这正是它的价值所在。
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