最近，有一份很全面的算法资源在GitHub上火了，不只有响应的道理先容和实当代码，还提供了Demo，今朝GitHub上标星已经打破2900星。

这份资源中，一共有5个算法，别离是：线性回归、逻辑回归、K均值算法、基于高斯漫衍的非常检测、多层感知器（MLP）。

每一个算法，城市稀有学道理表明、Python实现的示例和交互式的Jupyter Notebook Demo。大大都环境下，这些算法的表明，都是基于吴恩达的呆板进修课程。

基于这些资源，你可以举办响应的数据实习、算法设置，并当即在赏识器中查察功效、图表和猜测。

资源里都有什么？

5个算法， 一共分为了监视进修、无监视进修和神经收集3个种别。每个大的种别，都有响应的先容，并给出了响应的应用范畴。然后就是响应算法的资源。

以神经收集为例，这个种别之下的算法是多层感知器，一共有4个资源。

第一个资源是文档，先容了神经收集和多层感知器背后的道理与实现逻辑，并提供了响应的参考资料，可以进一步进修。

第二个资源是代码，泛起了怎样用Python实现多层感知器。根基上每一块代码前，都有响应的注释，标明白代码的成果和留意事项。

后两个资源是基于Jupyter Notebook的Demo，用算法和数据集实习模子，来进一步的认识多层感知器算法的运用。

一个行使MNIST数据集实习一个辨认手写数字（0-9）的分类器。另一个行使是Fashion-MNIST数据集，实习一个衣服分类器。

必要什么先决前提?

资源的上手门槛不高，最根基的要求就是安装Python。由于项目中的全部Demo都可以在赏识器中运行，以是不必要在当地安装Jupyter。

全部用于Jupyter Notebook的数据集都可以在data文件夹中找到。

谁干的功德？

建造这份资源的，是一位名叫Oleksii Trekhleb的乌克兰工程师，今朝正在一家软件技能咨询公司EPAM Systems接受首席软件工程师。

他说，成立这个存储库的目标，不是通过行使第三方库的“一行措施”来实现呆板进修算法，而是从新开始实践这些算法，从而让各人可以或许更好地领略每个算法背后的道理。

传送门

https://github.com/trekhleb/homemade-machine-learning

【编辑保举】

1. @措施员，写代码真的比女伴侣重要吗？
2. Linux Kernel 客岁净增 87 万行代码
3. 开源图像编辑器 GIMP 开拓者透露 2019 年打算
4. 哀悼精巧Linux内核开拓者李少华
5. 2019年值得你行使的20大开拓器材

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!