Ml-từ đầu GitHub

ML từ đầu

CÁC CHỦ ĐỀ HỌC TẬP VỀ MÁY - TỪ SCRATCH

  • hồi quy tuyến tính
  • Hồi quy logistic
  • K có nghĩa là phân cụm
  • K hàng xóm gần nhất
  • Cây quyết định
  • Naive Bayes
  • Máy véc tơ hỗ trợ

CÁC CHỦ ĐỀ HỌC SÂU - TỪ SCRATCH

  • Mạng thần kinh
  • Trình tối ưu hóa Adam

TENSOFLOW/KERAS

  • Mạng thần kinh tích chập trong Tensorflow 2. 0 (Phân loại hình ảnh)
  • Mạng thần kinh LSTM trong Tensorflow 2. 0 (Phân tích tình cảm)
  • Bộ mã hóa tự động trong Tensorflow 2. 0 (Khử nhiễu hình ảnh)
  • VGG-16 trong Tenorflow 2. 0 (Bao gồm Điểm kiểm tra và Dừng sớm)
  • ResNet-50 trong Tensorflow 2. 0 (Bao gồm Điểm kiểm tra và Dừng sớm)

Đây chủ yếu là kho lưu trữ 'thực hành', chứa một số thuật toán ML mà tôi đã triển khai từ đầu. Tôi không còn cập nhật hoặc duy trì điều này nữa

  1. K hàng xóm gần nhất. Đề xuất phim từ bộ dữ liệu phim TMDB 5000 dựa trên danh sách các thể loại được cung cấp làm đầu vào

  1. Hồi quy logistic. Dự đoán khả năng mọi người sẽ mua sản phẩm dựa trên giới tính, độ tuổi và mức lương của họ

  1. Mạng nơ-ron đơn giản. Mạng thần kinh 2 lớp bắt chước cổng XOR, được triển khai (vector hóa) từ đầu bằng NumPy

  1. Phân loại chữ số. Tập dữ liệu được sử dụng. MNIST
    • Chứa một bộ phân loại nhị phân gắn nhãn tất cả các số 0 là 1 và tất cả các chữ số còn lại là 0
    • Cũng chứa một phần mở rộng của bộ phân loại trên phân loại tất cả 10 chữ số với độ chính xác 94%
    • Cả hai mạng trên đều có 2 lớp và được triển khai (vector hóa) từ đầu bằng NumPy

  1. Cây quyết định. Trình phân loại cây quyết định được triển khai từ đầu trong python. Tập dữ liệu được sử dụng. Bộ dữ liệu xác thực tiền giấy

  1. Máy véc tơ hỗ trợ. Một bộ phân loại nhị phân C-SVM đơn giản. Tập dữ liệu được sử dụng. Ung thư vú Bộ dữ liệu Wisconsin

  1. Phân cụm K-Means
    • Tập dữ liệu được sử dụng. Dữ liệu 2 chiều tổng hợp với N=5000 vectơ và k=15 cụm Gaussian với mức độ chồng lấp cụm khác nhau
    • Đã triển khai thuật toán phân cụm K-Means. Đã sử dụng matplotlib để trực quan hóa các cụm và trọng tâm

  1. Phân tích thành phần chính
    • Tập dữ liệu được sử dụng. Cơ sở dữ liệu khuôn mặt của AT&T
    • Đã áp dụng thuật toán Phân tích thành phần chính (PCA) để giảm kích thước trên hình ảnh khuôn mặt

  1. Đường trung bình động
    • Tập dữ liệu được sử dụng. Tập dữ liệu chất lượng không khí
    • Đã áp dụng Trung bình trượt đơn giản (SMA), Trung bình trượt tích lũy (CMA), Trung bình trượt có trọng số (WMA), Trung bình trượt theo hàm mũ (EWMA) trên tập dữ liệu, tất cả các chức năng được viết bằng NumPy

  1. chập chờn
    • Phát hiện cạnh bằng hạt nhân trong NumPy
    • Máy dò cạnh Canny tự động

  1. Biểu đồ cân bằng
    • Bao gồm lý thuyết đằng sau cân bằng biểu đồ

người đóng góp

  • Harshit Varma (______1)

Một thư viện học sâu cấp cao cho Mạng thần kinh chuyển đổi, GAN và hơn thế nữa, được tạo từ đầu (triển khai numpy/cupy)

python thư viện máy học mạng nơ-ron sâu mạng lưới thần kinh thị giác máy tính học sâu numpy keras cnn thế hệ mạng đối thủ mạng gan mnist mạng nơ-ron tích chập cifar cnn-từ-đầu lan truyền ngược trình tối ưu hóa ml-từ-đầu

  • Cập nhật19 tháng 6 năm 2021
  • con trăn

hrshtv / ML-Từ đầu

Sao 5

  • Mã số
  • Vấn đề
  • Yêu cầu kéo

Một số thuật toán Machine Learning do tôi triển khai, chủ yếu là từ đầu

thuật toán máy học máy học máy học từ đầu ml-từ-đầu

  • Cập nhật ngày 15 tháng 7 năm 2022
  • Máy tính xách tay Jupyter

MLEndeavours / Mã nguồn

Sao 4

  • Mã số
  • Vấn đề
  • Yêu cầu kéo

Kho lưu trữ đi kèm cho tất cả mã nguồn của các bài viết từ blog ML Endeavours. ML Endeavours là một blog dành riêng cho Machine Learning, một tập hợp con của Trí tuệ nhân tạo (AI)

blog machine-learning machine-learning-algorithms ml-endeavours ml-from-scratch

  • Cập nhật ngày 5 tháng 8 năm 2018
  • Máy tính xách tay Jupyter

AP-Atul / Phân tích lịch sử chuyến đi

Sao 0

  • Mã số
  • Vấn đề
  • Yêu cầu kéo

Phân tích dữ liệu trên 'Capital Bikeshare. Một dịch vụ chia sẻ xe đạp ở Hoa Kỳ'

thuật toán phân loại phân tích dữ liệu ml-từ đầu

  • Cập nhật26/09/2020
  • con trăn

Gắn thẻ Alice ML / POS

Sao 0

  • Mã số
  • Vấn đề
  • Yêu cầu kéo

🏷️Trình gắn thẻ POS dựa trên perceptron được triển khai từ đầu

perceptron pos-tagger ml-từ-đầu

  • Cập nhật ngày 18 tháng 2 năm 2021
  • HTML

Thuật toán AshishS-1123 / ML

Sao 0

  • Mã số
  • Vấn đề
  • Yêu cầu kéo

Kho lưu trữ Machine Learning chứa các triển khai thuật toán phổ biến được viết dưới dạng Tiện ích mở rộng C cho Python

Scratch ML là gì?

Công cụ này giới thiệu công nghệ máy học bằng cách cung cấp trải nghiệm thực hành để đào tạo hệ thống máy học và xây dựng mọi thứ với chúng . Nó cung cấp một môi trường có hướng dẫn dễ sử dụng để đào tạo các mô hình học máy để phân loại văn bản, số hoặc nhận dạng hình ảnh.

Làm cách nào để viết mã máy học từ đầu?

6 bước để viết bất kỳ thuật toán học máy nào từ đầu. Nghiên cứu điển hình về Perceptron .
Hiểu cơ bản về thuật toán
Tìm một số nguồn học tập khác nhau
Chia thuật toán thành nhiều phần
Bắt đầu với một ví dụ đơn giản
Xác thực với một triển khai đáng tin cậy
Viết lên quá trình của bạn

PHP có thể được sử dụng cho ML không?

PHP ngày càng trở nên nhanh hơn với mỗi phiên bản ra mắt và có các thư viện như Rubix ML hoặc PHP-ml có thể được sử dụng cho máy học và trí tuệ nhân tạo. The Rubix ML is a machine learning library which is open-source, this means it is free to use.

Chúng tôi có thể sử dụng Java cho ML không?

Trong bối cảnh AI, Java được sử dụng cho máy học , mạng thần kinh, thuật toán tìm kiếm và lập trình di truyền.