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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
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 над 1 година)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
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 над 1 година)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
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)
 - Matplotlib

Илия обнови решението на 30.04.2016 18:30 (преди над 1 година)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
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