CMU机器学习:CMU机器学习课程的提交代码-源码

上传者: 42112685 | 上传时间: 2021-09-08 03:21:37 | 文件大小: 11KB | 文件类型: ZIP
10601_代码 这些是为卡耐基梅隆大学2020年Spring机器学习课程生成的代码。整个代码是通过numpy库完成的,并且在任何地方都不会使用scikitlearn / keras / pytorch。 所有模型都是从头开始构建的。 以下是使用的代码: 决策树桩算法:Decisionstump.py 决策树算法:用于计算Gini增益的inspection.py和用于具有二进制属性的实际决策树回归的Decisiontree.py Logistic回归:feature.py用于生成逻辑回归的稀疏矩阵,而lr.py用于生成实际logistic回归 神经网络:与随机梯度下降一起使用的Neuronet.py 语音标记的隐马尔可夫模型:learnhmm.py计算模型的参数,而forwardbackward.py实际预测语音标记的部分 强化学习:使用线性函数逼近通过q学习解决OpenAI提供的

文件下载

资源详情

[{"title":"( 10 个子文件 11KB ) CMU机器学习:CMU机器学习课程的提交代码-源码","children":[{"title":"Machine-Learning-at-CMU-master","children":[{"title":"inspection.py <span style='color:#111;'> 764B </span>","children":null,"spread":false},{"title":"decisionStump.py <span style='color:#111;'> 3.27KB </span>","children":null,"spread":false},{"title":"feature.py <span style='color:#111;'> 2.72KB </span>","children":null,"spread":false},{"title":"learnhmm.py <span style='color:#111;'> 2.31KB </span>","children":null,"spread":false},{"title":"lr.py <span style='color:#111;'> 2.55KB </span>","children":null,"spread":false},{"title":"neuralnet.py <span style='color:#111;'> 3.96KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.06KB </span>","children":null,"spread":false},{"title":"forwardbackward.py <span style='color:#111;'> 3.46KB </span>","children":null,"spread":false},{"title":"q_learning.py <span style='color:#111;'> 1.97KB </span>","children":null,"spread":false},{"title":"decisionTree.py <span style='color:#111;'> 4.66KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明