2 repository-uri
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
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- rasbt/python-machine-learning-book
rasbt/python-machine-learning-book
12,614Vezi pe GitHubThis 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 - astorfi/tensorflow-world
astorfi/TensorFlow-World
4,492Vezi pe GitHubTensorFlow-World este o colecție de tutoriale, ghiduri de implementare și template-uri de modele pentru construirea și antrenarea modelelor de machine learning folosind framework-ul TensorFlow. Servește ca resursă educațională pentru proiectarea arhitecturilor de deep learning și implementarea modelelor predictive. Proiectul oferă exemple gata de utilizare pentru construirea arhitecturilor de rețele neuronale și a clasificatorilor liniari. Include ghiduri despre efectuarea operațiilor cu tensori, diferențierea automată și optimizarea prin gradient descent. Materialele acoperă o gamă de capabilități de machine learning, inclusiv utilizarea abstracțiilor de nivel înalt Keras pentru compunerea modelelor, implementarea clasificatorilor kernel și dezvoltarea sistemelor de regresie și clasificare.
Develops classifiers that use kernel functions to map data into higher dimensions for non-linear separation.
Python
