您好、欢迎来到现金彩票网!
当前位置:大象彩票app下载 > 感觉器感知器 >

GitHub上已超过2900星!这份有原理、有代码、有Demo的算法资源火

发布时间:2019-05-02 11:12 来源:未知 编辑:admin

  原标题:GitHub上已超过2900星!这份有原理、有代码、有Demo的算法资源火了

  最近,有一份很全面的算法资源在GitHub上火了,不仅有相应的原理介绍和实现代码,还提供了Demo,目前GitHub上标星已经突破2900星。

  这份资源中,一共有5个算法,分别是:线性回归、逻辑回归、K均值算法、基于高斯分布的异常检测、多层感知器(MLP)。

  每一个算法,都会有数学原理解释、Python实现的示例和交互式的Jupyter Notebook Demo。大多数情况下,这些算法的解释,都是基于吴恩达的机器学习课程。

  基于这些资源,你可以进行相应的数据训练、算法配置,并立即在浏览器中查看结果、图表和预测。

  5个算法, 一共分为了监督学习、无监督学习和神经网络3个类别。每个大的类别,都有相应的介绍,并给出了相应的应用范围。然后就是相应算法的资源。

  第一个资源是文档,介绍了神经网络和多层感知器背后的原理与实现逻辑,并提供了相应的参考资料,可以进一步学习。

  第二个资源是代码,呈现了如何用Python实现多层感知器。基本上每一块代码前,都有相应的注释,标明了代码的功能和注意事项。

  后两个资源是基于Jupyter Notebook的Demo,用算法和数据集训练模型,来进一步的熟悉多层感知器算法的运用。

  一个使用MNIST数据集训练一个识别手写数字(0-9)的分类器。另一个使用是Fashion-MNIST数据集,训练一个衣服分类器。

  资源的上手门槛不高,最基本的要求就是安装Python。因为项目中的所有Demo都可以在浏览器中运行,所以不需要在本地安装Jupyter。

  制作这份资源的,是一位名叫Oleksii Trekhleb的乌克兰工程师,目前正在一家软件技术咨询公司EPAM Systems担任首席软件工程师。

  他说,建立这个存储库的目的,不是通过使用第三方库的“一行程序”来实现机器学习算法,而是从头开始实践这些算法,从而让大家能够更好地理解每个算法背后的原理。

http://dpi-berlin.net/ganjueqiganzhiqi/111.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有