https://github.com/nagexiucai/mla

机器学习算法。
https://github.com/nagexiucai/mla

ai algorithm deep-learning machine-learning nn python tutorial

Last synced: about 9 hours ago
JSON representation

机器学习算法。

• Host: GitHub
• URL: https://github.com/nagexiucai/mla
• Owner: nagexiucai
• License: gpl-3.0
• Created: 2018-03-20T03:12:30.000Z (almost 7 years ago)
• Default Branch: master
• Last Pushed: 2018-04-13T07:26:38.000Z (almost 7 years ago)
• Last Synced: 2023-12-23T00:32:02.714Z (about 1 year ago)
• Topics: ai, algorithm, deep-learning, machine-learning, nn, python, tutorial
• Language: Jupyter Notebook
• Homepage: http://ai.nagexiucai.com
• Size: 12 MB
• Stars: 3
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# MLA

机器学习算法。

## 前言

做编程八年，始终有一个点是自己不那么自信的，就是算法，因为数学的天花板限制了理解力。

最近一次交流活动中，自己跟朋友说：

	编程从业者分为三大层次：编码人员、程序设计师、计算机科学家。

自己的定位大概是“努力做到中高水平的程序设计师”，因为数学能力不足以支撑自己走得更高更远。

去年以来爆发的人工智能（机器学习、深度学习）就是个算法集中领域，它焕发新生地革新着一切系统。

回顾学习信号与系统、数字图像处理、随机过程等课程以及应用OpenCV等库的经历，觉得很多东西都是闻名而不解其意、知之却未得乎要。

所以想静下心来，钻研理论并徒手实现，就算不是最优解答，至少有个朴素精确的领悟。

## 目录

### [线性回归](./线性回归.ipynb)

### [逻辑回归](./逻辑回归.ipynb)

### [感知机](./感知机.ipynb)

### [K最近邻](./K最近邻.ipynb)

### [K均值聚类](./K均值聚类.ipynb)

### [一个隐含层的简单神经网络](./一个隐含层的简单神经网络.ipynb)

### [多项逻辑回归](./多项逻辑回归.ipynb)

---

# 参考

[机器学习基础][0]

[逻辑回归成本函数及Sigmoid函数推导过程][1]

[吴恩达斯坦福机器学习笔记][2]

[向后传播][3]

---

[0]: https://github.com/zotroneneis/machine_learning_basics  "美女研究生大作"

[1]: https://stats.stackexchange.com/questions/278771/how-is-the-cost-function-from-logistic-regression-derivated "逻辑回归成本函数推导过程"

[2]: https://github.com/yoyoyohamapi/mit-ml "公开在Coursera上的"

[3]: https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/ "向后传播演算"