项目介绍

myazi/myLearn 是一个托管在 GitHub 上的开源项目,主要使用 C++ 编写,目前获得 162 个 Star、62 次 Fork。

仓库全名
myazi/myLearn
Star 数
162
Fork 数
62
未关闭 Issue
1

README 摘要

myLearn make:生成可执行文件 demo.sh:调试入口 model.conf:模型参数 从线性到非线性模型 1、线性回归,岭回归,Lasso回归,局部加权线性回归 2、logistic回归,softmax回归,最大熵模型 3、广义线性模型 4、Fisher线性判别和线性感知机 5、三层神经网络 6、支持向量机 统计概率模型 1、高斯判别分析 2、朴素贝叶斯 3、隐马尔可夫模型 4、最大熵马尔科夫模型 5,条件随机场 6,马尔科夫决策过程 树模型 1、决策树 ID3,C4.5,CART 2、随机森林RF 3、Adaboost 4、GBDT 5、XGboost 6、孤立森林(异常检测) 聚类模型 1、层次聚类 2、原型聚类-K-means 3、模型聚类-GMM 4、EM算法-LDA主题模型 5、密度聚类-DBSCAN 6、图聚类-谱聚类 特征工程 1、特征工程 2、特征提取 3、特征选择 学习理论 1、基本概念…

完整内容见 GitHub 原始 README 或本页 。

常见问题

myLearn 用什么语言开发?

主要使用 C++ 编写,目前有 162 个 Star。

如何获取 myLearn 的源码?

可以直接克隆仓库:git clone https://github.com/myazi/myLearn.git,默认分支为 master;安装与运行步骤见仓库 README。

myLearn 最近还在维护吗?

仓库最近一次更新为 2021年11月9日,当前有 1 个未关闭 Issue;Star 数为 162,可作为社区活跃度的参考。

关于

machine learning algorithm

描述取自 GitHub 官方 API,中文内容由 GitRead 中文社区 编辑团队整理。

简要分析

热度分
299
价值分
117
活跃状态
活跃

语言占比

C
C++
Makefile
Shell

贡献者

README

myLearn

make:生成可执行文件

demo.sh:调试入口

model.conf:模型参数


从线性到非线性模型

1、线性回归,岭回归,Lasso回归,局部加权线性回归

2、logistic回归,softmax回归,最大熵模型

3、广义线性模型

4、Fisher线性判别和线性感知机

5、三层神经网络

6、支持向量机

统计概率模型

1、高斯判别分析

2、朴素贝叶斯

3、隐马尔可夫模型

4、最大熵马尔科夫模型

5,条件随机场

6,马尔科夫决策过程

树模型

1、决策树 ID3,C4.5,CART

2、随机森林RF

3、Adaboost

4、GBDT

5、XGboost

6、孤立森林(异常检测)

聚类模型

1、层次聚类

2、原型聚类-K-means

3、模型聚类-GMM

4、EM算法-LDA主题模型

5、密度聚类-DBSCAN

6、图聚类-谱聚类

特征工程

1、特征工程

2、特征提取

3、特征选择

学习理论

1、基本概念

2、PAC理论

3、VC维

4、极大似然,最大后验概率,贝叶斯估计

5、模型选择与评价评价

6、模型诊断调参

深度学习 . .

哈希学习 . .

自然语言处理 . .

搜索推荐 . .

评论

暂无评论