最近，份有法资有一份很全面的原理有代源火算法资源在GitHub上火了，不仅有相应的上超原理介绍和实现代码，还提供了Demo，过星目前GitHub上标星已经突破2900星。份有法资

 

这份资源中，原理有代源火一共有5个算法，上超分别是过星：线性回归、逻辑回归、份有法资K均值算法、原理有代源火基于高斯分布的上超异常检测、多层感知器（MLP）。过星

每一个算法，份有法资都会有数学原理解释、原理有代源火Python实现的上超示例和交互式的Jupyter Notebook Demo。大多数情况下，这些算法的解释，都是基于吴恩达的机器学习课程。

基于这些资源，你可以进行相应的数据训练、算法配置，并立即在浏览器中查看结果、图表和预测。

资源里都有什么？

5个算法，站群服务器 一共分为了监督学习、无监督学习和神经网络3个类别。每个大的类别，都有相应的介绍，并给出了相应的应用范围。然后就是相应算法的资源。

以神经网络为例，这个类别之下的算法是多层感知器，一共有4个资源。

***个资源是文档，介绍了神经网络和多层感知器背后的原理与实现逻辑，并提供了相应的参考资料，可以进一步学习。

第二个资源是代码，呈现了如何用Python实现多层感知器。基本上每一块代码前，都有相应的注释，标明了代码的功能和注意事项。

后两个资源是基于Jupyter Notebook的云服务器提供商Demo，用算法和数据集训练模型，来进一步的熟悉多层感知器算法的运用。

一个使用MNIST数据集训练一个识别手写数字（0-9）的分类器。另一个使用是Fashion-MNIST数据集，训练一个衣服分类器。

需要什么先决条件?

资源的上手门槛不高，最基本的要求就是安装Python。因为项目中的所有Demo都可以在浏览器中运行，所以不需要在本地安装Jupyter。

所有用于Jupyter Notebook的数据集都可以在data文件夹中找到。

谁干的好事？

制作这份资源的，是一位名叫Oleksii Trekhleb的乌克兰工程师，目前正在一家软件技术咨询公司EPAM Systems担任***软件工程师。

他说，建立这个存储库的目的，不是通过使用第三方库的源码库“一行程序”来实现机器学习算法，而是从头开始实践这些算法，从而让大家能够更好地理解每个算法背后的原理。

传送门

https://github.com/trekhleb/homemade-machine-learning

很赞哦!（27311）