इंटरएक्टिव जुपिटर डेमो के साथ पायथन मशीन लर्निंग

नमस्कार पाठको!

मैंने हाल ही में होममेड मशीन लर्निंग रिपॉजिटरी लॉन्च की, जिसमें लोकप्रिय मशीन लर्निंग एल्गोरिदम और दृष्टिकोण के उदाहरण हैं, जैसे रैखिक प्रतिगमन, लॉजिस्टिक प्रतिगमन, के-साधन विधि और तंत्रिका नेटवर्क (मल्टी-लेयर परसेप्ट्रॉन)। प्रत्येक एल्गोरिथ्म में ज्यूपिटर NBViewer-e या Binder-e में लॉन्च किए गए इंटरैक्टिव डेमो पेज हैं। इस प्रकार, हर किसी के पास प्रशिक्षण डेटा, प्रशिक्षण मापदंडों को बदलने और तुरंत अपने ब्राउज़र में स्थानीय रूप से स्थापित किए बिना अपने ब्राउज़र में मॉडल के प्रशिक्षण, दृश्य और भविष्यवाणी का परिणाम देखने का अवसर है।

इस रिपॉजिटरी का उद्देश्य एल्गोरिदम को लागू करना है लगभग खरोंच से, गणितीय मॉडल की अधिक विस्तृत समझ रखने के लिए जो प्रत्येक एल्गोरिदम के पीछे स्थित है। उपयोग किए जाने वाले मुख्य पुस्तकालय नुम्पी और पांड थे। इन पुस्तकालयों का उपयोग मैट्रिस पर कुशल संचालन के लिए किया जाता है, साथ ही सीएसवी डेटा को लोड करने और पार्स करने के लिए भी किया जाता है। ग्राफ़ की साजिश रचने और प्रशिक्षण डेटा की कल्पना करने के लिए डेमो पेजों में, माटप्लोटलिब और प्लॉटली लाइब्रेरी का भी उपयोग किया जाता है। लॉजिस्टिक रिग्रेशन के मामले में, SciPy लाइब्रेरी का उपयोग नुकसान फ़ंक्शन को कम करने के लिए किया जाता है, लेकिन अन्य मामलों में, ग्रेडिएंट वंश को शुद्ध NumPy / पायथन में लागू किया जाता है। पायरोच या टेंसोरफ्लो जैसी पुस्तकालयों का उपयोग करने से भंडार के शिक्षण उद्देश्य के कारण बचा जाता है ।

फिलहाल, रिपॉजिटरी में निम्नलिखित एल्गोरिदम लागू किए गए हैं ...

प्रतिगमन। रैखिक प्रतिगमन।

प्रतिगमन से जुड़ी समस्याओं में, हम आने वाले डेटा के आधार पर वास्तविक संख्या का अनुमान लगाने की कोशिश करते हैं। वास्तव में, हम प्रशिक्षण डेटा के साथ एक लाइन / विमान / एन-आयामी विमान का निर्माण कर रहे हैं ताकि इनपुट डेटा के लिए एक भविष्यवाणी करने में सक्षम हो जो प्रशिक्षण सेट में नहीं हैं। ऐसा होता है, उदाहरण के लिए, यदि हम 7 वीं मंजिल पर, एन के केंद्र में 2-कमरे वाले अपार्टमेंट की लागत की भविष्यवाणी करना चाहते हैं।

• ∑ गणितीय मॉडल - आगे पढ़ने के लिए सिद्धांत और संदर्भ।
• पायथन में ✎ उदाहरण कार्यान्वयन ।
• ➤ एक पैरामीटर के साथ रैखिक प्रतिगमन का प्रदर्शन - जीडीपी के आधार पर स्ट्रिंग में "खुशी का स्तर" का पूर्वानुमान।
• ➤ कई मापदंडों के साथ रैखिक प्रतिगमन का प्रदर्शन - जीडीपी और स्वतंत्रता के संकेतक के आधार पर एक स्ट्रिंग में "खुशी का स्तर" का पूर्वानुमान।
• Ear नॉनलाइनर रिग्रेशन का प्रदर्शन - नॉनलाइनर निर्भरता की भविष्यवाणी के लिए इनपुट मापदंडों के बहुपद / साइनसोइडल विस्तार का एक उदाहरण।

वर्गीकरण। लॉजिस्टिक रिग्रेशन।

वर्गीकरण से संबंधित समस्याओं में, हम इस डेटा के मापदंडों के आधार पर डेटा को कक्षाओं में तोड़ते हैं। वर्गीकरण कार्य का एक उदाहरण स्पैम मान्यता है। पत्र के पाठ (आने वाले डेटा) के आधार पर हम प्रत्येक अक्षर को दो वर्गों ("स्पैम" या "स्पैम नहीं") में से एक पर असाइन करते हैं।

• ∑ गणितीय मॉडल - आगे पढ़ने के लिए सिद्धांत और संदर्भ।
• ✎ पायथन कार्यान्वयन उदाहरण
• ➤ रैखिक सीमाओं के साथ लॉजिस्टिक प्रतिगमन का प्रदर्शन - उनकी पंखुड़ियों की चौड़ाई और लंबाई द्वारा रंगों का वर्गीकरण।
• गैर-रैखिक सीमाओं के साथ लॉजिस्टिक प्रतिगमन का प्रदर्शन - दो मापदंडों के अनुसार माइक्रोचिप्स (कार्य / दोषपूर्ण) का वर्गीकरण।
• Hand कई मापदंडों के साथ लॉजिस्टिक प्रतिगमन का प्रदर्शन - हस्तलिखित अंकों की मान्यता।

क्लस्टरिंग। K- साधन विधि।

क्लस्टरिंग कार्यों में, हम अपने डेटा को उन समूहों में तोड़ देते हैं जो हमें पहले से ज्ञात नहीं हैं। इन एल्गोरिदम का उपयोग बाजार विभाजन, सामाजिक और न केवल नेटवर्क के विश्लेषण के लिए किया जा सकता है।

• ∑ गणितीय मॉडल - आगे पढ़ने के लिए सिद्धांत और संदर्भ।
• पायथन में ✎ उदाहरण कार्यान्वयन ।
• Means K- साधन विधि का प्रदर्शन - समूहों में गुच्छेदार रंगों को उनकी पंखुड़ियों की लंबाई और चौड़ाई के आधार पर।

तंत्रिका नेटवर्क। मल्टीलेयर परसेप्ट्रॉन (MLP)।

तंत्रिका नेटवर्क अधिक संभावना नहीं है कि जटिल इनपुट डेटा के आगे के विश्लेषण के लिए अलग-अलग मशीन लर्निंग एल्गोरिदम को एक प्रणाली में व्यवस्थित करने के लिए एक "पैटर्न" या "ढांचा" नहीं है।

• ∑ गणितीय मॉडल - आगे पढ़ने के लिए सिद्धांत और संदर्भ।
• पायथन में ✎ उदाहरण कार्यान्वयन ।
• Ayer बहुस्तरीय अवधारणात्मक का प्रदर्शन - हस्तलिखित संख्याओं की मान्यता।

गाऊसी वितरण का उपयोग कर विसंगतियों के लिए खोजें

विसंगतियों की खोज से जुड़ी समस्याओं में, हम उन डेटा उदाहरणों को अलग करने की कोशिश करते हैं, जो अधिकांश उदाहरणों की तुलना में "संदिग्ध" दिखते हैं। उदाहरण के लिए, क्रेडिट कार्ड द्वारा एटिपिकल (संदिग्ध) लेनदेन की परिभाषा।

• ∑ गणितीय मॉडल - आगे पढ़ने के लिए सिद्धांत और संदर्भ।

मुझे आशा है कि आप रिपॉजिटरी को उपयोगी पाएंगे, या तो प्रत्येक एल्गोरिथ्म के प्रदर्शनों के साथ प्रयोग करके, या उनके पीछे के गणितीय मॉडलों के बारे में पढ़कर या उनमें से प्रत्येक के कार्यान्वयन विवरण का विश्लेषण करके।

सफल कोडिंग!