zhengyima / mnist-classificationLinks
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)
☆423Updated 4 years ago
Alternatives and similar repositories for mnist-classification
Users that are interested in mnist-classification are comparing it to the libraries listed below
Sorting:
- 用Python实现SVM多分类器☆408Updated last year
- Python 基于BP神经网络实现鸢尾花的分类☆350Updated 4 years ago
- AI学习过程中的实操代码☆208Updated 4 years ago
- 深度学习与PyTorch入门实战视频教程 配套源代码和PPT☆78Updated 5 years ago
- Pytorch_Learning_Notes☆104Updated 4 months 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☆116Updated 2 years ago
- about Regression, Classification, CNN, RNN, Explainable AI, Adversarial Attack, Network Compression, Seq2Seq, GAN, Transfer Learning, Met…☆230Updated 5 years ago
- 支持向量机的python实现☆47Updated 9 years ago
- 个人的技能树仓库,主要包含个人机器学习以及深度学习的笔记☆364Updated 4 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…☆209Updated 5 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
- 吴恩达机器学习算法Python实现,附详细的代码注释。☆81Updated 4 years ago
- 八种最常用的GAN生成式对抗网络代码框架☆70Updated 6 years ago
- Gitbook Address: https://app.gitbook.com/@nlpgroup/s/nlpnote/☆157Updated 3 years ago
- 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…☆146Updated 4 years ago
- 深度学习代码☆132Updated 5 years ago
- 个人练习,自编码器及其变形(理论+实践)☆339Updated 6 years ago
- ☆68Updated 4 years ago
- 李宏毅2021机器学习深度学习笔记PPT作业☆566Updated 4 years ago
- 2019春哈工大模式识别与深度学习实验☆94Updated 5 years ago
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆52Updated 7 years ago
- 【PyTorch】手把手教你跑通第一个神经网络☆267Updated 2 years ago
- 决策树分类(ID3,C4.5,CART)☆481Updated last year
- ☆149Updated 5 years ago
- ☆211Updated 5 years ago
- ☆418Updated 4 years ago
- simple tutorial of pytorch☆136Updated 6 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念,包括有监督学习,无监督学习,分类,聚类,回归;神经元模型,多层感知器,BP算法;损失函数,激活函数,梯度下降法;全连接网络、卷积神经网络、递归神经网络;训练集,测试集,交叉验证,欠拟合,过拟合;数据规范化等☆155Updated 8 years ago
- The deep residual shrinkage network is a variant of deep residual networks.☆481Updated 2 weeks ago
- 吴恩达机器学习课程的资源、作业代码以及学习笔记☆51Updated 5 years ago