मैटलैब / ऑक्टेव में मशीन लर्निंग: सूत्रों द्वारा समर्थित एल्गोरिदम के उदाहरण

मैंने हाल ही में मशीन लर्निंग सीखना शुरू किया। उन्होंने मेरी राय में एंड्रयू एनजी से एक सुंदर शुरुआत की। और न भूलने के लिए, साथ ही साथ जो उन्होंने सीखा, उसे दोहराने के लिए, उन्होंने ऑक्टेव रिपॉजिटरी में मशीन लर्निंग बनाने का फैसला किया। इसमें, मैंने परिकल्पनाओं के लिए गणितीय सूत्र एकत्र किए, ग्रेडिएंट अवरकों, "लागत कार्यों", सिग्मोइड्स, और अन्य "टुकड़े" जो मशीन सीखने के लिए मौलिक हैं। मैंने MatLab / Octave के लिए कुछ लोकप्रिय एल्गोरिदम (तंत्रिका नेटवर्क, रैखिक / लॉजिस्टिक प्रतिगमन, आदि) के कार्यान्वयन के सरलीकृत और बेहतर उदाहरण भी जोड़े। मुझे आशा है कि यह जानकारी आप में से उन लोगों के लिए उपयोगी होगी जो मशीन लर्निंग सीखने की योजना बनाते हैं।

मशीन लर्निंग का विषय काफी व्यापक है, जिसका अनुमान लगाया जा सकता है, उदाहरण के लिए, निम्नलिखित योजना से, जिसे मैंने vas3k के एक शानदार लेख से लिया (अनुवादित)।

फिलहाल, रिपॉजिटरी में इस सभी विविधता के, पाँच पर्यवेक्षित और अनुपयोगी एल्गोरिदम के उदाहरण हैं:

• एक घर के मूल्य का पूर्वानुमान लगाने के उदाहरण के साथ रैखिक प्रतिगमन ।
• दोषपूर्ण चिप्स के निर्धारण के उदाहरणों के साथ लॉजिस्टिक प्रतिगमन , साथ ही "सभी के खिलाफ एक" के सिद्धांत का उपयोग करते हुए लिखावट मान्यता।
• K- मतलब एल्गोरिथ्म तीन क्लस्टर में डेटा वितरण के उदाहरण के साथ।
• एक अधिभार सर्वर का निर्धारण करने के उदाहरण के साथ एक गाऊसी वितरण का उपयोग कर विसंगतियों के लिए खोजें ।
• हस्तलिखित अंक मान्यता के उदाहरण के साथ एक बहुपरत अवधारणात्मकता पर आधारित एक तंत्रिका नेटवर्क ।

प्रत्येक एल्गोरिथ्म के लिए एक demo.m फ़ाइल है, जिसमें से आप एकल एल्गोरिथ्म का विश्लेषण शुरू कर सकते हैं। जब आप इस फ़ाइल को ऑक्टेव कंसोल (या मैटलैब से) चलाते हैं, तो सेवा जानकारी को एल्गोरिदम के संचालन को दर्शाते हुए प्रदर्शित किया जाएगा, साथ ही साथ ग्राफ़ का निर्माण आपको यह पता लगाने में मदद करने के लिए किया जाएगा कि कौन सा प्रशिक्षण सेट काम चल रहा है।

मुझे उम्मीद है कि यह भंडार आपके लिए उपयोगी होगा और आपको मशीन सीखने की दिशा में अगला कदम उठाने में मदद करेगा।

पुनरावर्तक में PS उदाहरण MatLab / Octave के लिए बनाए गए हैं। यह अब ऐसा लोकप्रिय विकल्प नहीं हो सकता है, जैसे पायथन, लेकिन फिर भी प्रशिक्षण के लिए, तेजी से प्रोटोटाइप और अतिरिक्त प्लग-इन और पुस्तकालयों के बिना मैट्रिसेस का एक ही गुणा एक अच्छा फिट हो सकता है। एक बार फिर आपके लिए सफल कोडिंग!