timeit

Програмиране с Python

Курс във Факултета по Математика и Информатика към СУ

Решение на Изберете си проект от Илия Жечев

Обратно към всички решения

Към профила на Илия Жечев

Код

Име на проекта:
Machine Larning Library
Описание:
Библиотека предоставяща модули в които са имплементирани machine learning алгоритми (подобна на а scikit-learn)
Backlog:
- Линейна регресия (със и без регуляризация)
- Логистична регресия (със и без регуляризация)
- Support vector machine
- Decision trees (nice to have)
- Невронна мрежа (nice to have)
- Random forrest (nice to have)
- Feature scaling (отделен модул за preprocessing на входните данни)
- Автоматично избиране на learning rate (nice to have)
- Модул за визуализация данните и функциите които библиотеката е "оптимизирала" (nice to have)
- Оптимизация на произволен модел*
Задачите отбелязани с nice to have се надявам да мога да имплементирам, но очаквам да не успея.
*Оптимизация на произволен модел:
Приема:
- модел (инстанция на клас имащ метода predict())
- примерни входни данни за predict функцията
- примерни изходни данни за predict функцията
Връща:
- сотйнсти на пропъртитата на модела за които функцията predict най-добре приближава примерните данни.
Предполагам че този модул ще работи по бавно от останалите, но предоставя доста удобен интерфейс и ще е удобен за тестване.
3rd party модули:
- Numpy (за бърза работа с матрици)
- Matplotlib

История (3 версии и 1 коментар)

Илия обнови решението на 30.04.2016 15:45 (преди около 9 години)

+Име на проекта:
+Machine Larning Library
+
+Описание:
+Библиотека предоставяща модули в които са имплементирани machine learning алгоритми (подобна на а scikit-learn)
+
+Backlog:
+ - Линейна регресия (със и без регуляризация)
+ - Логистична регресия (със и без регуляризация)
+ - Support vector machine
+ - Decision trees (nice to have)
+ - Невронна мрежа (nice to have)
+ - Random forrest (nice to have)
+ - Feature scaling (отделен модул за preprocessing на входните данни)
+ - Автоматично избиране на learning rate (nice to have)
+ - Модул за визуализация данните и функциите които библиотеката е "оптимизирала" (nice to have)
+ - Оптимизация на произволен модел*
+
+Задачите отбелязани с nice to have се надявам да мога да имплементирам, но очаквам да не успея.
+
+*Оптимизация на произволен модел:
+ Приема:
+ - модел (инстанция на клас имащ метода predict())
+ - примерни входни данни за predict функцията
+ - примерни изходни данни за predict функцията
+ Връща:
+ - сотйнсти на пропъртитата на модела за които функцията predict най-добре приближава примерните данни.
+Предполагам че този модул ще работи по бавно от останалите, но предоставя доста удобен интерфейс и ще е удобен за тестване.
+
+3th perty модули:
+ - Numpy (за бърза работа с матрици)
+ - Mathplotlib

Илия обнови решението на 30.04.2016 15:46 (преди около 9 години)

Име на проекта:
Machine Larning Library
Описание:
Библиотека предоставяща модули в които са имплементирани machine learning алгоритми (подобна на а scikit-learn)
Backlog:
- Линейна регресия (със и без регуляризация)
- Логистична регресия (със и без регуляризация)
- Support vector machine
- Decision trees (nice to have)
- Невронна мрежа (nice to have)
- Random forrest (nice to have)
- Feature scaling (отделен модул за preprocessing на входните данни)
- Автоматично избиране на learning rate (nice to have)
- Модул за визуализация данните и функциите които библиотеката е "оптимизирала" (nice to have)
- Оптимизация на произволен модел*
Задачите отбелязани с nice to have се надявам да мога да имплементирам, но очаквам да не успея.
*Оптимизация на произволен модел:
Приема:
- модел (инстанция на клас имащ метода predict())
- примерни входни данни за predict функцията
- примерни изходни данни за predict функцията
Връща:
- сотйнсти на пропъртитата на модела за които функцията predict най-добре приближава примерните данни.
Предполагам че този модул ще работи по бавно от останалите, но предоставя доста удобен интерфейс и ще е удобен за тестване.
3th perty модули:
- Numpy (за бърза работа с матрици)
- - Mathplotlib
+ - Matplotlib

Илия обнови решението на 30.04.2016 18:30 (преди около 9 години)

Име на проекта:
Machine Larning Library
Описание:
Библиотека предоставяща модули в които са имплементирани machine learning алгоритми (подобна на а scikit-learn)
Backlog:
- Линейна регресия (със и без регуляризация)
- Логистична регресия (със и без регуляризация)
- Support vector machine
- Decision trees (nice to have)
- Невронна мрежа (nice to have)
- Random forrest (nice to have)
- Feature scaling (отделен модул за preprocessing на входните данни)
- Автоматично избиране на learning rate (nice to have)
- Модул за визуализация данните и функциите които библиотеката е "оптимизирала" (nice to have)
- Оптимизация на произволен модел*
Задачите отбелязани с nice to have се надявам да мога да имплементирам, но очаквам да не успея.
*Оптимизация на произволен модел:
Приема:
- модел (инстанция на клас имащ метода predict())
- примерни входни данни за predict функцията
- примерни изходни данни за predict функцията
Връща:
- сотйнсти на пропъртитата на модела за които функцията predict най-добре приближава примерните данни.
Предполагам че този модул ще работи по бавно от останалите, но предоставя доста удобен интерфейс и ще е удобен за тестване.
-3th perty модули:
+3rd party модули:
- Numpy (за бърза работа с матрици)
- Matplotlib