Repolode
提交项目
ATOM00blue

ATOM00blue/machine-learning-library

包含 923 份论文、课程与文章的 Markdown 机器学习知识库，并附带一个基于 NumPy 的自定义分类/回归算法 APRL。

在 GitHub 查看
Star
255
Fork
34
未关闭 Issue
0
最近提交
2个月前

这是什么？

该仓库包含两部分内容。第一部分是 APRL（自适应原型残差学习），一个面向数值表格数据的实验性分类与回归算法。它将全局岭回归模型与按相关性加权的原型以及修正残差的局部多项式专家相结合，并提供距离感知的不确定性估计、缺失值处理和增量批量更新，运行时只依赖 NumPy。项目将其定位为实验性的自定义组合，而非前沿或新颖方法。

第二部分是约 1100 万 token 的机器学习知识库，包含 391 篇 arXiv 论文（78 篇全文，313 篇摘要与元数据）、474 段课程讲座文字稿（涵盖 MIT 6.S191、斯坦福 CS224n、CS231n 等）以及 58 篇网络文章。每个文件都是带 YAML frontmatter 的 Markdown，记录来源、链接、作者和受控主题标签，并按 17 个主题组织，可直接作为 Obsidian 仓库打开。

两部分可以单独使用，也可以结合使用：既能训练和测试 APRL，也能浏览或检索语料，还能基于它搭建能引用具体论文与讲座的问答系统。

核心功能

  • 01基于纯 NumPy 实现的 APRL 分类器与回归器，适用于数值表格数据。
  • 02APRL 模型提供距离感知的不确定性估计，并支持缺失值处理。
  • 03包含 923 份 Markdown 文档，涵盖论文、课程文字稿与文章。
  • 04每个文件都带有 YAML frontmatter，记录来源、链接、作者和受控主题标签。
  • 05按 17 个主题组织，提供主题枢纽页与阅读路径，可直接作为 Obsidian 仓库使用。

适用场景

  • 通过带统一元数据的论文与讲座系统学习机器学习基础与前沿研究。
  • 搭建能够引用具体论文或讲座的检索增强问答助手。
  • 试验一个结构简单、可检查内部机制并带不确定性估计的表格分类或回归模型。
  • 将整理后的语料用于嵌入模型评测或模型微调的文本数据集。

标签

#machine-learning#study-resources#dataset#nlp#llm#education#arxiv#deep-learning#corpus#transformers

常见问题

machine-learning-library 是什么？
包含 923 份论文、课程与文章的 Markdown 机器学习知识库，并附带一个基于 NumPy 的自定义分类/回归算法 APRL。 该仓库包含两部分内容。第一部分是 APRL（自适应原型残差学习），一个面向数值表格数据的实验性分类与回归算法。它将全局岭回归模型与按相关性加权的原型以及修正残差的局部多项式专家相结合，并提供距离感知的不确定性估计、缺失值处理和增量批量更新，运行时只依赖 NumPy。项目将其定位为实验性的自定义组合，而非前沿或新颖方法。
machine-learning-library 可以免费使用吗？用的什么许可证？
machine-learning-library 以 Other 许可证开源。用于商业产品前，请先确认许可证条款。
machine-learning-library 还在维护吗？
半年内有更新。machine-learning-library 最近一次提交是在 2026年8月10日。
machine-learning-library 适合用来做什么？
通过带统一元数据的论文与讲座系统学习机器学习基础与前沿研究。 搭建能够引用具体论文或讲座的检索增强问答助手。 试验一个结构简单、可检查内部机制并带不确定性估计的表格分类或回归模型。 将整理后的语料用于嵌入模型评测或模型微调的文本数据集。
在哪里获取 machine-learning-library？
源代码和安装说明在 GitHub 上：https://github.com/ATOM00blue/machine-learning-library

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目