Machine-Learning-Algorithms-from-Scratch, 从零开始实现机器学习算法 Machine-Learning-Algorithms-from-Scratch从零开始实现机器学习算法。目前实现的算法：简单线性回归。数据集：来自Quandl的股票数据逻辑回归。数据集：Stanford ML课程数据集朴素
2022-12-19 13:54:22
109KB
1
Machine Learning Algorithms
Giuseppe Bonaccorso
July 2017
Build strong foundation for entering the world of machine learning and data science with the help of this comprehensive guide
2022-12-19 13:47:25
131KB
1
OpenNMT: 开源神经机器翻译系统OpenNMT的Pytorch一个移植
OpenNMT-py：开源神经机器翻译 这是 OpenNMT 的 Pytorch 端口，OpenNMT 是一个开源 (MIT) 神经机器翻译系统。
它旨在便于研究，在翻译、摘要、图像到文本、形态学和许多其他领域尝试新想法。
OpenNMT-py 作为一个协作开源项目运行。
它目前由 Sasha Rush（剑桥，马萨诸塞州）、Ben Peters（萨尔布吕肯）和 Janyu Zhan（深圳）维护。
原始代码由 Adam Lerer (NYC) 编写。
代码库接近稳定的 0.1 版本。
如果您想要稳定的代码，我们目前建议分叉。
我们喜欢贡献。
请查阅问题页面以获取任何“欢迎贡献”标记的帖子。
目录 要求 功能快速入门 高级引用要求 pip install -r requirements.txt 功能 实现了以下 OpenNMT 功能： 多层双向 RNN，具有注意力和丢失数据预处理从检查点保存和加载 带有批处理和波束搜索的推理（翻译） 上下文gate 多源和目标 RNN (lstm/gru) 类型
2022-12-18 19:47:42
77.91MB
1
绍了凸优化，这是一个可以在计算机上高效解决的强大且易于处理的优化问题。本书的目标是帮助读者理解什么是凸优化，以及如何将其应用于更广泛的实际场景，特别是机器学习。
2022-12-18 18:28:10
11.07MB
1
1.基本概念
**线性回归（Linear Regression）**是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化。
2.特点
优点：结果具有很好的可解释性（w直观表达了各属性在预测中的重要性），计算熵不复杂。
缺点：对非线性数据拟合不好
适用数据类型：数值型和标称型数据
3.自己实现的线性回归
3.1 简单线性回归
1.利用最小二乘法得到的系数
2.用简答随机数模拟的方法来搭建简单线性回归
import numpy as np
import matplotlib.pyplot as plt
x =
2022-12-17 20:03:50
639KB
1