Machine_learning_pure_python/todo at master · sophronesis/Machine_learning_pure_python · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
Нейросеть

[++++] - 01 - Градиентный спуск (Применен в 02,03,09,11):
	Done:
		Добавить метод импульса (momentum method)
	Ссылки:
		https://www.coursera.org/learn/machine-learning/lecture/Z9DKX/gradient-descent-for-multiple-variables
		https://youtu.be/5u0jaA3qAGk
[++++] - 02 - Линейная регрессия:
	Done:
		Нормализация данных происходит через через PCA
	Ссылки:
		https://www.coursera.org/learn/machine-learning/lecture/db3jS/model-representation
	TODO:
[++++] - 03 - Логистическая регрессия
	Done:
		Нормализация данных происходит через через PCA
	Ссылки:
		https://www.coursera.org/learn/machine-learning/lecture/wlPeP/classification
	TODO:
[++++] - 04 - Метод максимального правдоподобия (Применен в 07)
	Ссылки:
		https://www.youtube.com/watch?v=RPtYRm2tboA
[++++] - 05 - Обобщенные линейные модели
	Ссылки:
		https://onlinecourses.science.psu.edu/stat504/node/216
[++++] - 06 - Наивный баесовский классификатор
	Ссылки:
		https://alexn.org/blog/2012/02/09/howto-build-naive-bayes-classifier.html
		http://nlp.stanford.edu/IR-book/html/htmledition/naive-bayes-text-classification-1.html
[++++] - 07 - Гаусовый дискриминантный анализ
	Ссылки:
		https://cosmolearning.org/video-lectures/learning-algorithms-generative-gaussian-discriminant-analysis-digression/
		http://stats.stackexchange.com/questions/80507/what-is-a-gaussian-discriminant-analysis-gda
[++++] - 08 - Регуляризация (Применена в 02,03)
	Ссылки:
		https://www.coursera.org/learn/machine-learning/lecture/QrMXd/regularized-linear-regression
[++++] - 09 - Метод опорных векторов
	Ссылки:
		https://gist.github.com/mblondel/586753
		http://tullo.ch/articles/svm-py/
	TODO:
		Запилить нормальный градиентный спуск
[++++] - 10 - Метод к-средних
	Ссылки:
		https://www.coursera.org/learn/machine-learning/lecture/93VPG/k-means-algorithm
[----] - 11 - Нейросеть прямого распостранения
	Ссылки:
		https://www.coursera.org/learn/neural-networks/
		https://www.youtube.com/playlist?list=PLiaHhY2iBX9hdHaRr6b7XevZtgZRa1PoU (Писал свою первую нейросеть адаптируя код на питоне на С++)
		https://www.coursera.org/learn/machine-learning/home/week/4
[++++] - 12 - Метод главных компонент (PCA)
	Ссылки:
		https://www.coursera.org/learn/machine-learning/lecture/GBFTt/principal-component-analysis-problem-formulation
[++++] - 13 - Метод независимых компонент (ICA)
	Ссылки:
		https://www.cs.helsinki.fi/u/ahyvarin/papers/NN00new.pdf
		http://ethesis.nitrkl.ac.in/1431/1/Sasmita_Behera.pdf
		http://scikit-learn.org/stable/auto_examples/decomposition/plot_ica_blind_source_separation.html#sphx-glr-auto-examples-decomposition-plot-ica-blind-source-separation-py
		http://courses.graphicon.ru/files/courses/smisa/2009/lectures/lecture12.pdf
		https://www.cs.helsinki.fi/u/ahyvarin/papers/TNN99new.pdf