11.2K ·GitHub
这是什么？
这是一个由精简、清晰的 Python 代码实现的核心机器学习算法合集，目的是让人们了解这些算法在内部究竟是如何运作的。
这是一个由精简、清晰的 Python 代码实现的核心机器学习算法合集，目的是让人们了解这些算法在内部究竟是如何运作的。这是我可以用来开发应用的框架，还是只是供参考的代码？这是一个参考代码库，而非生产级框架：每个算法都是从零编写的，注重可读性而非性能，让你能看懂其中的逻辑，而不必深入翻查经过优化的库内部实现。
这是一个参考代码库，而非生产级框架：每个算法都是从零编写的，注重可读性而非性能，让你能看懂其中的逻辑，而不必深入翻查经过优化的库内部实现。我该如何运行这些示例？你可以不安装软件包，直接运行示例，也可以在 Docker 容器中运行。
你可以不安装软件包，直接运行示例，也可以在 Docker 容器中运行。运行它需要什么？只需要 Python，实现代码还需要 numpy、scipy 和 autograd。
只需要 Python，实现代码还需要 numpy、scipy 和 autograd。我能在真正的生产项目中使用这些实现吗？不能。这个项目明确用于学习算法内部原理或从零重新实现算法，并不适用于对性能或可靠性有生产级要求的场景。
不能。这个项目明确用于学习算法内部原理或从零重新实现算法，并不适用于对性能或可靠性有生产级要求的场景。包含哪些算法？深度学习模型（MLP、CNN、RNN、LSTM）、线性回归和逻辑回归、随机森林、使用线性/多项式/RBF 核的 SVM、k-means、高斯混合模型、k 近邻、朴素贝叶斯、PCA、因子分解机、RBM、t-SNE、梯度提升树，以及用于强化学习的深度 Q 学习。
深度学习模型（MLP、CNN、RNN、LSTM）、线性回归和逻辑回归、随机森林、使用线性/多项式/RBF 核的 SVM、k-means、高斯混合模型、k 近邻、朴素贝叶斯、PCA、因子分解机、RBM、t-SNE、梯度提升树，以及用于强化学习的深度 Q 学习。为什么不直接使用 scikit-learn 或深度学习框架？这些库为了速度而优化，并把数学原理隐藏在编译代码背后；而本项目则以性能换取清晰度，让你能够阅读、修改并真正理解每一个算法。
这些库为了速度而优化，并把数学原理隐藏在编译代码背后；而本项目则以性能换取清晰度，让你能够阅读、修改并真正理解每一个算法。What are similar projects?numpy-ml, 100-Days-Of-ML-Code, homemade-machine-learning, ailearning, python-machine-learning-book, 100-Days-Of-ML-Code, ML-From-Scratch, autumn-recruitment
numpy-ml, 100-Days-Of-ML-Code, homemade-machine-learning, ailearning, python-machine-learning-book, 100-Days-Of-ML-Code, ML-From-Scratch, autumn-recruitmentWhich topics is it in?gradient-boosting, clustering, machine-learning-algorithms, neural-networks, numpy, algorithms, reinforcement-learning, computer-science, neural-network, data-science, learning, tutorial
gradient-boosting, clustering, machine-learning-algorithms, neural-networks, numpy, algorithms, reinforcement-learning, computer-science, neural-network, data-science, learning, tutorial