handmadeML:个人挑战

手工ML 创建此软件包的目的是将其合并到子项目中：手工神经网络和手工机器学习两个项目的组件和逻辑应该融合 客观的 这是一个个人挑战：重新编码机器学习和深度学习算法的所有组件 该代码受sklaern和keras逻辑的启发，但更为简单： 通用术语和工作流（模型实例化，model.fit，model.predict等。）但已简化（例如，没有.compile方法） 实施的功能较少 减少检查，例外情况，允许的棘手案例等。 计算效率可能大大降低 到目前为止已实现： 线性分类器： 损失选项：铰链，squared_hinge（对于SVC）和logit（对于Logistic回归） 惩罚选项：l1，l2 内核：仅线性 决策树 决策树分类器 神经网络 仅密集网络 5个激活功能： relu，tanh（主要用于隐藏图层） 线性（用于回归输出） S型，softmax（用于分类输出） 4种损失函数