awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesBlogPlan du site
ProjetÀ proposPresseServeur MCP
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·
awesome-repositories.comBlog
Catégories

2 dépôts

Awesome GitHub RepositoriesKernel-Based Classifiers

Classifiers that use kernel functions to map data into higher dimensions for non-linear separation.

Distinct from Supervised Classification: Focuses on kernel tricks for non-linear boundaries specifically, rather than general supervised classification workflows.

Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Kernel-Based Classifiers. Refine with filters or upvote what's useful.

Awesome Kernel-Based Classifiers GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • rasbt/python-machine-learning-bookAvatar de rasbt

    rasbt/python-machine-learning-book

    12,614Voir sur GitHub↗

    This project is an educational resource providing practical code examples and implementations of machine learning algorithms using the Python language. It serves as a guide for constructing predictive pipelines, clustering models, and dimensionality reduction within the Scikit-Learn ecosystem. The repository includes comprehensive demonstrations for supervised and unsupervised learning, as well as detailed examples for implementing neural networks and deep architectures. It also provides practical guidance on exporting model parameters to JSON and wrapping trained models in web APIs for produ

    Implements non-linear classification using kernel tricks to find separating hyperplanes for non-linearly separable data.

    Jupyter Notebook
    Voir sur GitHub↗12,614
  • astorfi/tensorflow-worldAvatar de astorfi

    astorfi/TensorFlow-World

    4,492Voir sur GitHub↗

    TensorFlow-World est une collection de tutoriels, de guides d'implémentation et de modèles pour construire et entraîner des modèles de machine learning en utilisant le framework TensorFlow. Il sert de ressource éducative pour concevoir des architectures de deep learning et implémenter des modèles prédictifs. Le projet fournit des exemples prêts à l'emploi pour construire des architectures de réseaux de neurones et des classifieurs linéaires. Il inclut des guides sur l'exécution d'opérations sur tenseurs, la différenciation automatique et l'optimisation par descente de gradient. Les matériaux couvrent une gamme de capacités de machine learning, incluant l'utilisation d'abstractions Keras de haut niveau pour la composition de modèles, l'implémentation de classifieurs à noyau, et le développement de systèmes de régression et de classification.

    Develops classifiers that use kernel functions to map data into higher dimensions for non-linear separation.

    Python
    Voir sur GitHub↗4,492
  1. Home
  2. Artificial Intelligence & ML
  3. Supervised Classification
  4. Kernel-Based Classifiers