ML algorithms from scratch:机器学习算法中的一些从头开始在python中实现 源码
从零开始的ML算法 在python中从头实现的一些机器学习算法: 'Least_squared_stat'-通过计算斜率和y截距值,将最小二乘法作为一种统计过程来实现,以找到一组数据点的最佳拟合线 'Least_squared_normal_equation'-使用称为法线方程的代数方程式实现最小二乘法 'Gradient_descent'-计算3种最流行的优化算法版本:批量梯度下降,随机梯度下降和小批量梯度下降
文件列表
ML-algorithms-from-scratch-main.zip
(预估有个8文件)
ML-algorithms-from-scratch-main
LS_normal_equation.png
11KB
Least_squared_stat.ipynb
34KB
LICENSE
1KB
least_squared_normal_equation.ipynb
46KB
.gitignore
2KB
Least_squares_stat.png
28KB
README.md
656B
Gradient_descent.ipynb
54KB
暂无评论