机器学习技能:查找、解释并实现机器学习算法,并附交互式 Jupyter Notebook 链接。涵盖线性回归、逻辑回归、……
自主制造的机器学习技能是一项面向实际任务的技能,主要用于Machine 学习技能: 从零开始学习、解释和执行 ML 算法;基于 trekhleb/ 自主制造的机器学习( MIT, 22k+ QQ) 安装: 抓住。
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
机器学习技能:从零开始学习、解释并实现机器学习算法。 基于 trekhleb/homemade-machine-learning(MIT 协议,22k+ ⭐)
📦 安装:
clawhub install homemade-machine-learning-skill
涵盖 5 种算法 · 提供 11 个交互式 Notebook · 配有数学原理详解 · 内含 Python 实现代码
bash scripts/ml-notebook-finder.sh explain "linear regression" bash scripts/ml-notebook-finder.sh explain "neural network" bash scripts/ml-notebook-finder.sh explain "kmeans"
bash scripts/ml-notebook-finder.sh notebook "logistic regression" bash scripts/ml-notebook-finder.sh notebook "anomaly detection"
bash scripts/ml-notebook-finder.sh code "linear regression" bash scripts/ml-notebook-finder.sh code "kmeans"
bash scripts/ml-notebook-finder.sh path beginner bash scripts/ml-notebook-finder.sh path intermediate bash scripts/ml-notebook-finder.sh path advanced
bash scripts/ml-notebook-finder.sh list
| 算法 | 类型 | Notebook 数量 | 典型应用场景 |
|---|---|---|---|
| linear regression | supervised | 3 | 价格预测、趋势预测 |
| logistic regression | supervised | 4 | 分类任务、MNIST |
| neural network (MLP) | supervised | 2 | 图像识别、深度学习入门 |
| k-means | unsupervised | 1 | 聚类分析、图像分割 |
| anomaly detection | unsupervised | 1 | 欺诈检测、系统监控 |
MIT 协议 — 原作者:trekhleb 由 BytesAgain 索引 — AI 技能发现平台
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习
最新文章