机器学习

更新！（2020年5月31日）

一个更简化（且更优雅）的版本：carefree-ml

---

一个主要用于教学的 Python 机器学习库。

使用 Numpy 实现。

为 神经网络 和 支持向量机 提供了 TensorFlow 和 PyTorch 后端。

“文档”可参见知乎专栏或博客。

MachineLearning 快速上手指南

环境准备

• 操作系统：Windows / macOS / Linux
• Python 版本：建议 Python 3.6+
• 前置依赖：
  • Numpy（核心依赖）
  • 可选后端：Tensorflow 或 PyTorch（用于神经网络和 SVM 模块）

💡 提示：国内用户推荐使用清华或阿里镜像源加速安装。

安装步骤

1. 克隆项目仓库：

git clone https://github.com/carefree0910/MachineLearning.git
cd MachineLearning

2. 安装基础依赖（使用国内镜像）：

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

3. （可选）安装深度学习后端：

# 安装 TensorFlow
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

# 或安装 PyTorch (请根据官网选择对应命令)
pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

本项目主要用于教育学习，以下是一个基于 Numpy 的简单线性回归示例：

import numpy as np
from ML.LinearRegression import LinearRegression

# 准备数据
X = np.array([[1], [2], [3], [4]])
y = np.array([2, 4, 6, 8])

# 初始化并训练模型
model = LinearRegression()
model.fit(X, y)

# 预测
print(model.predict(np.array([[5]])))  # 输出接近 10

如需使用神经网络或 SVM 模块，请参考项目中 NN 和 e_SVM 目录下的具体实现及参数配置。

更多详细教程与原理讲解，可访问作者知乎专栏或博客：

• 知乎专栏：https://zhuanlan.zhihu.com/carefree0910-pyml
• 个人博客：https://mlblog.carefree0910.me