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
关注公众号，后台回复关键词
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