收藏机器学习的Pytorch实现资源集合附下载链接

Posted 2021-05-02 机器学习算法与Python学习

该项目用pytorch实现了从最基本的机器学习算法：回归、聚类，到深度学习、强化学习等。该项目的目的不是生成尽可能优化和计算效率的算法，而是以透明和可访问的方式呈现它们的内部工作方式，可以帮助机器学习学习者更好地理解实现原理。

作者｜eriklindernoren

编译｜专知

整理｜Yingying,李大囧

下载方式

20180908

多项式回归

多项式回归的训练过程

使用CNN做图像分类

使用DBSCAN做聚类

用强化学习玩平衡游戏

用深度玻尔兹曼机做图像重建

实现算法列表

监督学习

• Adaboost

• Bayesian Regression

• Decision Tree

• Elastic Net

• Gradient Boosting

• K Nearest Neighbors

• Lasso Regression

• Linear Discriminant Analysis

• Linear Regression

• Logistic Regression

• Multi-class Linear Discriminant Analysis

• Multilayer Perceptron

• Naive Bayes

• Neuroevolution

• Particle Swarm Optimization of Neural Network

• Perceptron

• Polynomial Regression

• Random Forest

• Ridge Regression

• Support Vector Machine

• XGBoost

无监督学习

• Apriori

• Autoencoder

• DBSCAN

• FP-Growth

• Gaussian Mixture Model

• Generative Adversarial Network

• Genetic Algorithm

• K-Means

• Partitioning Around Medoids

• Principal Component Analysis

• Restricted Boltzmann Machine

强化学习

• Deep Q-Network

深度学习

• Neural Network

• 层

          Activation Layer

          Average Pooling Layer

          Batch Normalization Layer

          Constant Padding Layer

          Convolutional Layer

          Dropout Layer

          Flatten Layer

          Fully-Connected (Dense) Layer

          Fully-Connected RNN Layer

          Max Pooling Layer

          Reshape Layer

          Up Sampling Layer

          Zero Padding Layer

模型

• Convolutional Neural Network

• Multilayer Perceptron

• Recurrent Neural Network