ann使用(python 2.7.13 | numpy1.10)实现的简单神经网络模型。该模型中未加入正则化。
ocr_cnn_tensorflow使用(python 2.7.13 | tensorflow version1.2)编写的4位固定长度数字验证码识别模型。大约4万张照片迭代50次,准确率达到97%以上。
ocr_lstmctc_tensorflow使用(python 2.7.14 | tensorflow version1.4)实现的lstm+ctc进行变长验证码识别的模型,目前训练后损失未能降下来,可能是网络模型的问题,后期修复后更新代码。
recommendSys 是一个以numpy为基础编写的推荐系统,分别为基于用户的协同过滤、基于物品的协同过滤、LFM模型,以隐性反馈数据为基础(显性反馈数据同样适用这些模型)。LFM模型说明链接如下:http://www.jianshu.com/p/9270edf4b08b 。
autoencoder使用(python 2.7.13 | tensorflow version1.2)实现的自编码模型,该模型常用于提取非线性有效特征以及降低特征维度(作用与PCA降维类似),激活函数的选取非常重要,在不同的特征集上需要找到最合适的参数。
Linear Discriminant Analysis使用(python3.6 | numpy1.14)实现的线性判别分析模型,核心通过特征值分解实现,而sklearn中有三种kernel。它属于监督学习方式的特征降维,而PCA是非监督学习。理论知识及公式基于周志华老师的机器学习书籍。
Principal components analysis使用(python3.6 | numpy1.14)实现的主成分分析模型,核心通过特征值分解与奇异值分解实现。