【收藏】機器學習的Pytorch實現資源集合【附下載連結】
該專案用pytorch實現了從最基本的機器學習演算法:迴歸、聚類,到深度學習、強化學習等。該專案的目的不是生成儘可能優化和計算效率的演算法,而是以透明和可訪問的方式呈現它們的內部工作方式,可以幫助機器學習學習者更好地理解實現原理。
作者|eriklindernoren
編譯|專知
整理|Yingying,李大囧
下載方式
關注公眾號,後臺回覆關鍵詞
20180908
多項式迴歸
多項式迴歸的訓練過程
使用CNN做影象分類
使用DBSCAN做聚類
用強化學習玩平衡遊戲
用深度玻爾茲曼機做影象重建
實現演算法列表
監督學習
Adaboost
Bayesian Regression
Decision Tree
Elastic Net
Gradient Boosting
K Nearest Neighbors
Lasso Regression
Linear Discriminant Analysis
Linear Regression
Logistic Regression
Multi-class Linear Discriminant Analysis
Multilayer Perceptron
Naive Bayes
Neuroevolution
Particle Swarm Optimization of Neural Network
Perceptron
Polynomial Regression
Random Forest
Ridge Regression
Support Vector Machine
XGBoost
無監督學習
Apriori
Autoencoder
DBSCAN
FP-Growth
Gaussian Mixture Model
Generative Adversarial Network
Genetic Algorithm
K-Means
Partitioning Around Medoids
Principal Component Analysis
Restricted Boltzmann Machine
強化學習
Deep Q-Network
深度學習
Neural Network
層
Activation Layer
Average Pooling Layer
Batch Normalization Layer
Constant Padding Layer
Convolutional Layer
Dropout Layer
Flatten Layer
Fully-Connected (Dense) Layer
Fully-Connected RNN Layer
Max Pooling Layer
Reshape Layer
Up Sampling Layer
Zero Padding Layer
模型
Convolutional Neural Network
Multilayer Perceptron
Recurrent Neural Network
相關推薦
【收藏】機器學習的Pytorch實現資源集合【附下載連結】
該專案用pytorch實現了從最基本的機器學習演算法:迴歸、聚類,到深度學習、強化學習等。該專案
【資源下載】《Pytorch模型訓練實現教程》(附下載連結)
前言 自 2017 年 1 月 PyTorch 推出以來,其熱度持續上升,一度有趕超 TensorFlow 的趨勢。PyTorch 能在短時間內被眾多研究人員和工程師接受並推崇是因為其有著諸多優點,如採用 Python 語言、動態圖機制、網路構建靈活以及擁有強大的社群等。因此,
【Stanford|斯坦福-機器學習:線性迴歸-單特徵梯度下降+動態圖】python3實現
五、完整測試程式碼實現 # coding=utf-8 # 線性迴歸-單特徵梯度下降練習 from numpy import * import matplotlib.pyplot as plt from matplotlib import animation import numpy as np # 【1
收藏!超全機器學習資料合集!(附下載)
最近在群裡發現一些小夥伴在尋找資料的時候總是無處可找,網上出現很多收集免費資料再去打包收錢的人,我看不慣這樣的人,所以把自己收集的檔案分享給大家。 百度雲經常抽風,如果大家遇到了失效的連結,請在評論區給我評論,我會很快的更新。 1:資料探勘:概念與技術(中文第三版) 連結: https
推薦書籍《Python學習手冊(第4版)》附下載連結
Google和YouTube由於Python的高可適應性、易於維護以及適合於快速開發而採用它。如果你想要編寫高質量、高效的並且易於與其他語言和工具整合的程式碼,《Python學習手冊:第4 版》將幫助你使用Python快速實現這一點,不管你是程式設計新手還是Py
推薦《深度學習原理與TensorFlow實踐》附下載連結
《深度學習原理與TensorFlow實踐》主要介紹了深度學習的基礎原理和TensorFlow系統基本使用方法。TensorFlow是目前機器學習、深度學習領域更優秀的計算系統之一,《深度學習原理與TensorFlow實踐》結合例項介紹了使用TensorFlow開發機器學習應用
【機器學習演算法實現】主成分分析 PCA ——基於python+numpy
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
【機器學習演算法實現】logistic迴歸 基於Python和Numpy函式庫
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
【機器學習演算法實現】kNN演算法 手寫識別——基於Python和NumPy函式庫
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!  
【機器學習】整合學習+程式碼實現
1. 概念與分類 整合學習(ensemble learning)構建並結合多個學習器,先學習基學習器,再根據某種策略結合起來。 結合可以是:①整合不同演算法;②整合同一演算法不同設定;③資料集分成多部分分給不同分類器的整合。 分類:bagging, boosting 2
【十】機器學習之路——logistic迴歸python實現
前面一個部落格機器學習之路——logistic迴歸講了logistic迴歸的理論知識,現在咱們來看一下logistic迴歸如何用python來實現,程式碼、資料參考《機器學習實戰》。 首先看下我們要處理的資料, 我們要做的就是通過logistic
【 專欄 】- 機器學習理論與Python實現
機器學習理論與Python實現 注重理論與實踐的結合。從演算法原理出發,由淺入深,詳細介紹演算法的理論,並配合目前流行的Python語言,實現每一個演算法,以加強對機器學習演算法理論的理解、增強實際的演算法實踐能力,最終達到熟練掌
【機器學習演算法實現】logistic迴歸__基於Python和Numpy函式庫
1、演算法簡介 本文的重點放在演算法的工程實現上,關於演算法的原理不具體展開,logistic迴歸演算法很簡單,可以看看Andrew Ng的視訊:https://class.coursera.org/ml-007,也可以看看一些寫得比較好的博文:洞庭之子的博文。下面我只列出一些個人認為重要的點。 迴歸的概
【八】機器學習之路——梯度下降法python實現
前面的部落格線性迴歸python實現講了如何用python裡sklearn自帶的linearRegression()函式來擬合數據的實現方式。今天咱們來介紹下,如何用梯度下降法擬合數據。 還記得梯度下降法是怎麼做的嗎?忘記的同學可以回頭看下前面的部落格
【機器學習演算法實現】kNN演算法__手寫識別——基於Python和NumPy函式庫
【機器學習演算法實現】系列文章將記錄個人閱讀機器學習論文、書籍過程中所碰到的演算法,每篇文章描述一個具體的演算法、演算法的程式設計實現、演算法的具體應用例項。爭取每個演算法都用多種語言程式設計實現。所
【機器學習實戰-kNN:約會網站約友分類】python3實現-書本知識【2】
# coding=utf-8 # kNN-約會網站約友分類 from numpy import * import matplotlib.pyplot as plt import matplotlib.font_manager as font import operator # 【1】獲取資料 def in
【機器學習】--機器學習之樸素貝葉斯從初始到應用
rac AC 一個 pam 數據 ast 出現 相對 解決方法 一、前述 機器學習算法中,有種依據概率原則進行分類的樸素貝葉斯算法,正如氣象學家預測天氣一樣,樸素貝葉斯算法就是應用先前事件的有關數據來估計未來事件發生的概率。 二、具體 1、背景--貝葉斯定理引入對於兩個關聯
【方法論】機器學習算法概覽
bootstra c4.5 enc letter 當下 重要 dial 最大 local http://blog.itpub.net/31542119/viewspace-2168911/ 1、 監督式學習 工作機制:這個算法由一個目標變量或結果變量(或因變量)組成。這
【機器學習】機器學習的經典算法
com 上層 解決 iou 二維空間 效果展示 模擬 收信 https 【機器學習】機器學習的經典算法 https://mp.weixin.qq.com/s/CxSG9l_dxA4G-SZKOGI1ng 本文為整篇文章第二部分,整篇文章主要目錄如下: 1:一
【火爐煉AI】機器學習036-NLP詞形還原
fir att `` sco tee 參考 was 3.6 表頭 【火爐煉AI】機器學習036-NLP詞形還原 - (本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2