通过CSDN推广一下自己的github。链接如下:
https://github.com/vincen-github/mlimpl
优势
- 几乎所有算法都已以class的方式做了集成, 内容涵盖统计学习(Statistical Learning),深度学习(Deep Learning),强化学习(Reinforcement Learning)的常见算法。
- 代码中添加了详细的注释,用于阐明动机以帮助使用者理解算法或复现方式。此外,在注释中特别将需要注意的trick和trouble做了详尽阐述,若有问题可以通过Github或知乎connect。
- 仿照numpy的格式书写了较为详细标准的文档。
- 我查找了众多的Reference,在复现时参考个人认为最容易理解的Reference,并尽可能的保持代码与Reference的符号与术语一致,以降低学习成本。
本项目会持续更新与维护,如果对您有所帮助,请点一个star以示鼓励😜。
内容
目前已复现的算法包括:
-
深度学习(Deep Learning)
- 人工神经网络 (by matlab)
- 卷积神经网络 (by tensorflow1)
- 人工神经网络 (by tensorflow1)
- 对抗样本(High Confidence Predictions for Unrecognizable Images)’
- Torch的自动求导机制(Autograd)
- 长短期记忆网络(LSTM)
- 变分自编码器(VAE)
-
强化学习(Reinforcement Learning)
- esplision-贪心算法( esplision-greedy )
- 上置信界(UCB)
- Markov决策过程(Markov Decision Process)
- 策略梯度算法(Policy Gradient)
- 策略迭代算法(Policy Iteration)
- 时序差分算法(Temporal Difference)
- Q-学习(Q-Learning)
- 深度Q-学习网络(Deep Q Network(DQN))
-
统计学习(Statistical Learning)
- 线性模型(Linear Model)
- Lasso和Ridge, ℓ half regularity
- 决策树(Decision Tree)
- 朴素贝叶斯(Naive Bayes)
- 支持向量机(SVM)
- K均值聚类++(KMeans++)
- 拒绝性抽样(Rejection Sampling)
- XGBoost
- 随机森林(Random Forest)
- 高斯混合模型(GMM)
- Markov链Monte Carlo(MCMC)
- 谱聚类(Spectral Clustering)