Movatterモバイル変換

[0]ホーム
URL:

Skip to content

Navigation Menu

Sign in
Appearance settings

Search code, repositories, users, issues, pull requests...

Provide feedback

We read every piece of feedback, and take your input very seriously.

Saved searches

Use saved searches to filter your results more quickly

 Sign up
Appearance settings

My blogs and code for machine learning.http://cnblogs.com/pinard

License

NotificationsYou must be signed in to change notification settings

ljpzzz/machinelearning

Repository files navigation

http://www.cnblogs.com/pinard 刘建平Pinard

之前不少朋友反应我博客中的代码都是连续的片段，不好学习，因此这里把文章和代码做一个整理。代码有部分来源于网络，已加上相关方版权信息。部分为自己原创，已加上我的版权信息。

目录

注意

2016-2017年写的博客使用的python版本是2.7， 2018年因为TensorFlow对Python3的一些要求，所以写博客使用的Python版本是3.6。少部分2016，2017年的博客代码无法找到，重新用Python3.6跑过上传，因此可能会出现和博客中代码稍有不一致的地方，主要涉及到print的语法和range的用法，若遇到问题，稍微修改即可跑通。

强化学习文章与代码：:

文章代码
强化学习（一）模型基础代码
强化学习（二）马尔科夫决策过程(MDP)无
强化学习（三）用动态规划（DP）求解无
强化学习（四）用蒙特卡罗法（MC）求解无
强化学习（五）用时序差分法（TD）求解无
强化学习（六）时序差分在线控制算法SARSA代码
强化学习（七）时序差分离线控制算法Q-Learning代码
强化学习（八）价值函数的近似表示与Deep Q-Learning代码
强化学习（九）Deep Q-Learning进阶之Nature DQN代码
强化学习（十）Double DQN (DDQN)代码
强化学习(十一) Prioritized Replay DQN代码
强化学习(十二) Dueling DQN代码
强化学习(十三) 策略梯度(Policy Gradient)代码
强化学习(十四) Actor-Critic代码
强化学习(十五) A3C代码
强化学习(十六) 深度确定性策略梯度(DDPG)代码
强化学习(十七) 基于模型的强化学习与Dyna算法框架无
强化学习(十八) 基于模拟的搜索与蒙特卡罗树搜索(MCTS)无
强化学习(十九) AlphaGo Zero强化学习原理无

机器学习基础与回归算法文章与代码：

文章代码
梯度下降（Gradient Descent）小结无
最小二乘法小结无
交叉验证(Cross Validation)原理小结无
精确率与召回率，RoC曲线与PR曲线无
线性回归原理小结无
机器学习研究与开发平台的选择无
scikit-learn 和pandas 基于windows单机机器学习环境的搭建无
用scikit-learn和pandas学习线性回归代码
Lasso回归算法： 坐标轴下降法与最小角回归法小结无
用scikit-learn和pandas学习Ridge回归代码1代码2
scikit-learn 线性回归算法库小结无
异常点检测算法小结无

机器学习分类算法文章与代码：

文章代码
逻辑回归原理小结无
scikit-learn 逻辑回归类库使用小结无
感知机原理小结无
决策树算法原理(上)无
决策树算法原理(下)无
scikit-learn决策树算法类库使用小结代码1代码2
K近邻法(KNN)原理小结无
scikit-learn K近邻法类库使用小结代码
朴素贝叶斯算法原理小结无
scikit-learn 朴素贝叶斯类库使用小结代码
最大熵模型原理小结无
支持向量机原理(一) 线性支持向量机无
支持向量机原理(二) 线性支持向量机的软间隔最大化模型无
支持向量机原理(三)线性不可分支持向量机与核函数无
支持向量机原理(四)SMO算法原理无
支持向量机原理(五)线性支持回归无
scikit-learn 支持向量机算法库使用小结无
支持向量机高斯核调参小结代码

数学统计学文章与代码：

文章代码
机器学习算法的随机数据生成代码
MCMC(一)蒙特卡罗方法无
MCMC(二)马尔科夫链代码
MCMC(三)MCMC采样和M-H采样代码
MCMC(四)Gibbs采样代码
机器学习中的矩阵向量求导(一) 求导定义与求导布局无
机器学习中的矩阵向量求导(二) 矩阵向量求导之定义法无
机器学习中的矩阵向量求导(三) 矩阵向量求导之微分法无
机器学习中的矩阵向量求导(四) 矩阵向量求导链式法则无
机器学习中的矩阵向量求导(五) 矩阵对矩阵的求导无

机器学习集成学习文章与代码：

文章代码
集成学习原理小结无
集成学习之Adaboost算法原理小结无
scikit-learn Adaboost类库使用小结代码
梯度提升树(GBDT)原理小结无
scikit-learn 梯度提升树(GBDT)调参小结代码
Bagging与随机森林算法原理小结无
scikit-learn随机森林调参小结代码
XGBoost算法原理小结无
XGBoost类库使用小结代码

机器学习聚类算法文章与代码：

文章代码
K-Means聚类算法原理无
用scikit-learn学习K-Means聚类代码
BIRCH聚类算法原理无
用scikit-learn学习BIRCH聚类代码
DBSCAN密度聚类算法无
用scikit-learn学习DBSCAN聚类代码
谱聚类（spectral clustering）原理总结无
用scikit-learn学习谱聚类代码

机器学习降维算法文章与代码：

文章代码
主成分分析（PCA）原理总结无
用scikit-learn学习主成分分析(PCA)代码
线性判别分析LDA原理总结无
用scikit-learn进行LDA降维代码
奇异值分解(SVD)原理与在降维中的应用无
局部线性嵌入(LLE)原理总结无
用scikit-learn研究局部线性嵌入(LLE)代码

机器学习关联算法文章与代码：

文章代码
典型关联分析(CCA)原理总结无
Apriori算法原理总结无
FP Tree算法原理总结无
PrefixSpan算法原理总结无
用Spark学习FP Tree算法和PrefixSpan算法代码
日志和告警数据挖掘经验谈无

机器学习推荐算法文章与代码：

文章代码
协同过滤推荐算法总结无
矩阵分解在协同过滤推荐算法中的应用无
SimRank协同过滤推荐算法无
用Spark学习矩阵分解推荐算法代码
分解机(Factorization Machines)推荐算法原理无
贝叶斯个性化排序(BPR)算法小结无
用tensorflow学习贝叶斯个性化排序(BPR)代码

深度学习算法文章与代码：

文章代码
深度神经网络（DNN）模型与前向传播算法无
深度神经网络（DNN）反向传播算法(BP)无
深度神经网络（DNN）损失函数和激活函数的选择无
深度神经网络（DNN）的正则化无
卷积神经网络(CNN)模型结构无
卷积神经网络(CNN)前向传播算法无
卷积神经网络(CNN)反向传播算法无
循环神经网络(RNN)模型与前向反向传播算法无
LSTM模型与前向反向传播算法无
受限玻尔兹曼机（RBM）原理总结无

自然语言处理文章与代码：

文章代码
文本挖掘的分词原理无
文本挖掘预处理之向量化与Hash Trick代码
文本挖掘预处理之TF-IDF代码
中文文本挖掘预处理流程总结代码
英文文本挖掘预处理流程总结代码
文本主题模型之潜在语义索引(LSI)无
文本主题模型之非负矩阵分解(NMF)代码
文本主题模型之LDA(一) LDA基础无
文本主题模型之LDA(二) LDA求解之Gibbs采样算法无
文本主题模型之LDA(三) LDA求解之变分推断EM算法无
用scikit-learn学习LDA主题模型代码
EM算法原理总结无
隐马尔科夫模型HMM（一）HMM模型无
隐马尔科夫模型HMM（二）前向后向算法评估观察序列概率无
隐马尔科夫模型HMM（三）鲍姆-韦尔奇算法求解HMM参数无
隐马尔科夫模型HMM（四）维特比算法解码隐藏状态序列无
用hmmlearn学习隐马尔科夫模型HMM代码
条件随机场CRF(一)从随机场到线性链条件随机场无
条件随机场CRF(二) 前向后向算法评估标记序列概率无
条件随机场CRF(三) 模型学习与维特比算法解码无
word2vec原理(一) CBOW与Skip-Gram模型基础无
word2vec原理(二) 基于Hierarchical Softmax的模型无
word2vec原理(三) 基于Negative Sampling的模型无
用gensim学习word2vec代码

特征工程与算法落地文章与代码：

文章代码
特征工程之特征选择无
特征工程之特征表达无
特征工程之特征预处理无
用PMML实现机器学习模型的跨平台上线代码
tensorflow机器学习模型的跨平台上线代码

赞助我

你的支持是我写作的动力(1.微信/2.支付宝)：

微信赞助

支付宝赞助

License MIT.

About

My blogs and code for machine learning.http://cnblogs.com/pinard

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published
[8]ページ先頭
©2009-2025 Movatter.jp