注意:翻译需要符合中文语序、流程、通顺
<SOURCE_TEXT>
# 机器学习算法
一系列最小化和简洁实现的机器学习算法。
### 为什么?
本项目面向那些想要学习机器学习算法内部机制或从零开始实现它们的人。
相比优化后的库,这些代码更容易理解,也更便于操作。
所有算法都使用Python实现,并使用了numpy、scipy和autograd库。
### 已实现的算法:
* [深度学习(MLP, CNN, RNN, LSTM)](mla/neuralnet)
* [线性回归,逻辑回归](mla/linear_models.py)
* [随机森林](mla/ensemble/random_forest.py)
* [支持向量机(SVM)及核函数(线性、多项式、RBF)](mla/svm)
* [K-Means聚类](mla/kmeans.py)
* [高斯混合模型](mla/gaussian_mixture.py)
* [K最近邻算法](mla/knn.py)
* [朴素贝叶斯](mla/naive_bayes.py)
* [主成分分析(PCA)](mla/pca.py)
* [分解机](mla/fm.py)
* [受限玻尔兹曼机(RBM)](mla/rbm.py)
* [t-分布随机邻嵌入(t-SNE)](mla/tsne.py)
* [梯度提升树(也称为GBDT, GBRT, GBM, XGBoost)](mla/ensemble/gbm.py)
* [强化学习(深度Q学习)](mla/rl)
### 安装
```sh
git clone https://github.com/rushter/MLAlgorithms
cd MLAlgorithms
pip install scipy numpy
python setup.py develop
如何在不安装的情况下运行示例
cd MLAlgorithms
python -m examples.linear_models
如何在Docker中运行示例
cd MLAlgorithms
docker build -t mlalgorithms .
docker run --rm -it mlalgorithms bash
python -m examples.linear_models
贡献
欢迎您的贡献!
您可以改进现有代码、文档或实现新的算法。
如果您的更改较大,请先开一个Issue来提出您的建议。
</SOURCE_TEXT>