https://github.com/monitor1379/sammale

Sammale: StandAlone Mode MAchine LEarning, a Simple and Easy-to-use Python ML Library.
https://github.com/monitor1379/sammale

machine-learning python

Last synced: about 2 months ago
JSON representation

Sammale: StandAlone Mode MAchine LEarning, a Simple and Easy-to-use Python ML Library.

• Host: GitHub
• URL: https://github.com/monitor1379/sammale
• Owner: monitor1379
• License: gpl-3.0
• Created: 2016-12-18T15:48:52.000Z (over 9 years ago)
• Default Branch: master
• Last Pushed: 2016-12-30T15:50:35.000Z (over 9 years ago)
• Last Synced: 2025-03-26T04:34:05.312Z (over 1 year ago)
• Topics: machine-learning, python
• Language: Python
• Size: 1.63 MB
• Stars: 0
• Watchers: 2
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
# Sammale: StandAlone Mode MAchine LEarning

 

Sammale is a Simple and Easy-to-use Python ML Library.

Sammale是一个简单的、容易上手的的Python机器学习库.

目前支持算法:

- LinearPrimaryFunctionModel: 基于基函数的线性模型，可用于非线性回归问题与二类分类问题。

基函数支持多项式、三角函数、指数函数、正太函数。训练方法支持普通最小二乘法、加权最小二乘法、随机梯度下降法。

支持L1正则化、L2正则化。

- LinearKernelFunctionModel: 基于核函数的线性模型，可用于非线性回归问题与二类分类问题。

核函数支持高斯核、线性核。训练方法支持普通最小二乘法、加权最小二乘法、随机梯度下降法。

支持L1正则化、L2正则化。

- Support Vector Machine: 支持向量机，可用于二类分类问题。

    - ~~支持SMO(Sequential Minimal Optimization)训练算法。

    《Fast training of support vector machines using sequential minimal optimization》, John C. Platt, 1999.~~

    - 支持将SVM看成Hinge损失的线性模型使用随机梯度下降法训练。

    

- BaggingModel: Ensemble Learning方法之一，基于Bagging学习法。通过对数据集重采样，独立学习多个弱学习器的方法。

- AdaBoost: Ensemble Learning方法之一，基于Boosting学习法。通过不断调整数据集权重，依次学习多个弱学习器的方法。

- LinearRegression: 逻辑斯蒂回归。支持y={-1,+1}与y={0,+1}的二类分类问题。训练方法支持随机梯度下降法。

支持L1正则化、L2正则化。

- Softmax: 待定。

- RandomForest: 待定。

- XGBoost: 待定。

- GBDT: 待定。