10.4K ·GitHub
Что это?
Учебный проект на китайском языке, реализующий классические алгоритмы машинного обучения на Python3 — kNN, дерево решений, наивный Байес, логистическую регрессию, SVM, регрессию, регрессионное дерево и AdaBoost — по упражнениям из книги 'Machine Learning in Action', с сопутствующими статьями в блоге, поясняющими каждую главу.
Учебный проект на китайском языке, реализующий классические алгоритмы машинного обучения на Python3 — kNN, дерево решений, наивный Байес, логистическую регрессию, SVM, регрессию, регрессионное дерево и AdaBoost — по упражнениям из книги 'Machine Learning in Action', с сопутствующими статьями в блоге, поясняющими каждую главу.Это устанавливаемый Python-пакет или просто скрипты-примеры?Это не библиотека, устанавливаемая через pip, — это коллекция в формате «папка на главу» из самостоятельных Python3-скриптов и сопутствующих разборов в блоге, которые читают и запускают по отдельности.
Это не библиотека, устанавливаемая через pip, — это коллекция в формате «папка на главу» из самостоятельных Python3-скриптов и сопутствующих разборов в блоге, которые читают и запускают по отдельности.Как запустить код?Склонируйте репозиторий и запускайте скрипт нужного алгоритма напрямую через python3 (например, скрипты kNN, дерева решений, SVM или AdaBoost в их собственных папках); ни шага сборки, ни устанавливаемого пакета здесь нет.
Склонируйте репозиторий и запускайте скрипт нужного алгоритма напрямую через python3 (например, скрипты kNN, дерева решений, SVM или AdaBoost в их собственных папках); ни шага сборки, ни устанавливаемого пакета здесь нет.Нужны ли установленные scikit-learn или другие ML-библиотеки?Большинство алгоритмов реализованы с нуля на чистом Python/NumPy, но несколько глав (например, пример распознавания цифр на SVM и сравнение с AdaBoost) также показывают ту же задачу, решённую с scikit-learn.
Большинство алгоритмов реализованы с нуля на чистом Python/NumPy, но несколько глав (например, пример распознавания цифр на SVM и сравнение с AdaBoost) также показывают ту же задачу, решённую с scikit-learn.Проект ещё активно поддерживается?Репозиторий привязан к серии постов 2017 года, освещающей главы 'Machine Learning in Action'; финальный раздел о кластеризации помечен как 'more exciting content coming soon' («скоро будет больше интересного»), из чего следует, что проект так и не был полноценно расширен за пределы AdaBoost/регрессии/регрессионного дерева.
Репозиторий привязан к серии постов 2017 года, освещающей главы 'Machine Learning in Action'; финальный раздел о кластеризации помечен как 'more exciting content coming soon' («скоро будет больше интересного»), из чего следует, что проект так и не был полноценно расширен за пределы AdaBoost/регрессии/регрессионного дерева.Какие алгоритмы здесь охвачены?kNN, дерево решений, наивный Байес, логистическая регрессия, SVM (упрощённый и полный SMO, плюс kernel SVM), AdaBoost, линейная регрессия и регрессионные деревья CART — у каждого разобранные примеры вроде классификации в знакомствах, подбора линз, фильтрации спама, прогноза смертности при коликах у лошадей и прогноза цены подержанных кубиков Lego.
kNN, дерево решений, наивный Байес, логистическая регрессия, SVM (упрощённый и полный SMO, плюс kernel SVM), AdaBoost, линейная регрессия и регрессионные деревья CART — у каждого разобранные примеры вроде классификации в знакомствах, подбора линз, фильтрации спама, прогноза смертности при коликах у лошадей и прогноза цены подержанных кубиков Lego.Где найти письменные пояснения к каждой главе?Каждая глава ссылается на соответствующую статью на личном сайте автора, CSDN и Zhihu; есть сопутствующие видео на Bilibili, а обновления публикуются через публичный аккаунт автора в WeChat.
Каждая глава ссылается на соответствующую статью на личном сайте автора, CSDN и Zhihu; есть сопутствующие видео на Bilibili, а обновления публикуются через публичный аккаунт автора в WeChat.Основано ли это на конкретной книге?Да, он следует упражнениям из 'Machine Learning in Action' (《机器学习实战》), реализованным заново на Python3 вместо оригинального кода книги на Python2.
Да, он следует упражнениям из 'Machine Learning in Action' (《机器学习实战》), реализованным заново на Python3 вместо оригинального кода книги на Python2.What are similar projects?ailearning, python-machine-learning-book, lihang-code, Statistical-Learning-Method_Code, 100-Days-Of-ML-Code, machine-learning-zoomcamp, mml-book.github.io, Complete-Python-3-Bootcamp
ailearning, python-machine-learning-book, lihang-code, Statistical-Learning-Method_Code, 100-Days-Of-ML-Code, machine-learning-zoomcamp, mml-book.github.io, Complete-Python-3-BootcampWhich topics is it in?svm, from-scratch, scikit-learn, classification, students, python3, examples, algorithms, course, data-science, book, artificial-intelligence
svm, from-scratch, scikit-learn, classification, students, python3, examples, algorithms, course, data-science, book, artificial-intelligence