【机器学习】Github上爆火的机器学习资源numpy-ml

本文链接：https://blog.youkuaiyun.com/weixin_41755306/article/details/134339868

加州大学伯克利分校的david bourgin博士使用numpy手撸各种机器学习源码，Github爆砍13.3k小星星。

https://github.com/ddbourgin/numpy-ml/tree/master

我为什么要推荐这个资源？

目前开源的机器学习框架有很多，例如sklearn，scipy，tensorflow等等。

但是，当你想调试时，或者想查看某些细节是如何实现时，你会发现，这些框架都依赖了很多其他的库。

而numpy-ml仅依赖numpy。

由于没有使用其他第三方库，很多方法都是从零开始实现，当你想通过查看源码验证理论时，numpy-ml是个不错的选择。

例如，对于ALS矩阵分解，你可以通过代码查看求解子矩阵的迭代过程。

对于决策树的创建，如何通过信息增益计算分割条件的代码也非常详细。

主要内容：

1.Gaussian mixture model
	EM training
2.Hidden Markov model
	Viterbi decoding
	Likelihood computation
	MLE parameter estimation via Baum-Welch/forward-backward algorithm
3.Latent Dirichlet allocation (topic model)
	Standard model with MLE parameter estimation via variational EM
	Smoothed model with MAP parameter estim