DLLXW / Fashion-MNISTLinks
这是一个入门机器学习/深度学习的小项目,包含随机森林,多层感知器,卷积神经网络,实现了训练可视化,多分类混淆矩阵等计算
☆59Updated 5 years ago
Alternatives and similar repositories for Fashion-MNIST
Users that are interested in Fashion-MNIST are comparing it to the libraries listed below
Sorting:
- 机器学习(Machine Learning, ML)python简洁实现,包括混合高斯模型,KMeans,决策树,随机森林,K近邻,线性判别分析,逻辑斯蒂回归(梯度下降法,牛顿法),多层感知机(分类+回归),Naive Bayes(离散+高斯),多分类SVM,线性回归,隐马…☆150Updated 4 years ago
- 西瓜书,课后习题☆137Updated 3 years ago
- 【Numpy 手写实现】SVM 支持向量机 | KNN K近邻 | Kmeans | Logistic Regression 逻辑回归 | Maximum Entropy 最大熵 | Naive Bayes 朴素贝叶斯 | Perception 感知机 | Decision…☆211Updated 5 years ago
- 利用sklearn实现机器学习算法:线性回归、逻辑回归、决策树、随机森林、SVM等☆180Updated 5 years ago
- 集成学习Stacking方法详解☆76Updated 6 years ago
- 人工智 能结课作业(A星八数码/广度优先/深度优先/粒子群寻优算法/遗传算法/蚁群算法/BP神经网络/卷积神经网络)☆459Updated 3 years ago
- 最近在学习机器学习,深度学习,自然语言处理,统计学习方法等知识,所以决定自己将学习的相关算法用Python实现一遍,并结合GitHub上相关大牛的代码进行改进,本项目会不断的更新相关算法,欢迎star,fork和关注。 主要包括: 1.吴恩达Andrew Ng老师的…☆110Updated 6 years ago
- 纯python实现机器学习算法,非套用sk-learn☆107Updated 3 years ago
- 慕课网上深度学习之神经网络(CNN RNN GAN)算法原理+实战练习的代码和部分数据☆41Updated 6 years ago
- ☆147Updated 3 years ago
- 吴恩达机器学习算法Python实现,附详细的代码注释。☆85Updated 5 years ago
- 阿里云天池大赛赛题解析☆151Updated 4 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆83Updated 5 years ago
- Gitbook Address: https://app.gitbook.com/@nlpgroup/s/nlpnote/☆158Updated 4 years ago
- 用Python实现了《数学建模算法与应用》第二版中的部分示例代码. (原书中使用的是Matlab)☆214Updated 5 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆359Updated 5 years ago
- 基于numpy实现支持svm算法,包括简单smo算法,启发式smo算法,并增加了完整注释☆21Updated 6 years ago
- 基于SVM的简单机器学习分类,可以使用svm, knn, 朴素贝叶斯,决策树四种机器学习方法进行分类☆118Updated 2 years ago
- Pytorch_Learning_Notes☆103Updated 7 months ago
- ☆83Updated 3 months ago
- Pytorch、Scikit-learn实现多种分类方法,包括逻辑回归(Logistic Regression)、多层感知机(MLP)、支持向量机(SVM)、K近邻(KNN)、CNN、RNN,极简代码适合新手小白入门,附英文实验报告(ACM模板)☆432Updated 5 years ago
- ☆119Updated 3 years ago
- 机器学习算法经典案例☆111Updated 4 years ago
- 基于svm的手写数字图像识别☆54Updated 6 years ago
- 用Python实现SVM多分类器☆426Updated last year
- 浙江大学机器学习☆228Updated 4 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆56Updated 5 years ago
- 本项目演示如何在PyTorch中使用Transformer模型进行中文文本分类☆37Updated 2 years ago
- 利用ID3决策树预测患糖尿病的可能性☆16Updated 4 years ago
- 《Python数据挖掘入门与实践》 代码,数据以及教程☆105Updated 5 years ago