@tom_doerr:从第一性原理可视化机器学习算法 https://github.com/gavinkhung/machine-learning-visualized…
摘要
本文介绍了 Machine Learning Visualized,这是一个 Jupyter Book 和交互式平台,它从第一性原理出发,通过可视化方式实现和推导机器学习算法。
查看缓存全文
缓存时间: 2026/05/10 06:22
从第一性原理可视化机器学习算法 https://github.com/gavinkhung/machine-learning-visualized…
gavinkhung/machine-learning-visualized
来源:https://github.com/gavinkhung/machine-learning-visualized
Machine Learning Visualized
网站
URL:https://ml-visualized.com/
Machine Learning Visualized 是一本 Jupyter Book(https://jupyterbook.org/en/stable/intro.html),其中包含 Jupyter Notebooks,这些 Notebook 实现了机器学习算法,并从第一性原理出发进行了数学推导。
此外,还有使用 Marimo 构建的交互式 Notebook,可以查看权重如何影响损失函数。
每个 Notebook 的输出都是机器学习算法在整个训练阶段的可视化,最终收敛到其最优权重。
每种机器学习算法都有一个单独的 Github 仓库。因此,本仓库仅包含配置和构建 Jupyter Book 的代码。从高层来看,Jupyter Books 允许你使用 Markdown 文件和 Jupyter Notebooks 构建网站。请注意,本仓库中并不包含任何 Jupyter Notebook。有一个 SH 脚本可以从其他 Github 仓库下载相关的 Jupyter Notebook。完成后,即可构建 Jupyter Book。网站会在每次提交或拉取请求后,通过位于 .github/workflows/ci.yml 的 GitHub Action 进行更新。若要在本地构建网站,请参阅下面的“使用”部分。
Jupyter Notebooks
- 神经网络仓库(https://github.com/gavinkhung/neural-network)
- 逻辑回归仓库(https://github.com/gavinkhung/logistic-regression)
- 感知机仓库(https://github.com/gavinkhung/perceptron)
- 主成分分析仓库(https://github.com/gavinkhung/pca)
- K-Means 聚类仓库(https://github.com/gavinkhung/k-means-clustering/)
- 梯度下降仓库(https://github.com/gavinkhung/gradient-descent)
Jupyter Book 信息
目录和书籍结构在 _toc.yml 中指定。
配置在 _config.yml 中指定。
更多信息,请参阅 Jupyter Book 文档(https://jupyterbook.org/en/stable/intro.html)。
使用
步骤 1:下载 Jupyter Notebooks
sh chmod +x ./download_notebooks.sh ./download_notebooks.sh
步骤 2:构建 Jupyter Book
选项 1:jupyter-book CLI
sh pip install -U jupyter-book jupyter-book build .
选项 2:Docker Compose
sh docker compose run jupyter-book docker compose down --volumes --rmi local
选项 3:Docker
``sh docker build -f Dockerfile.book -t jupyter-book . docker run –rm -v “$(pwd)”:/usr/src/app jupyter-book
docker stop jupyter-book docker rm jupyter-book docker rmi jupyter-book ``
步骤 3:打开 Jupyter Book
导航至 _build/html/index.html
构建 EPUB(新增)
``sh brew install –cask mactex nbmerge $(ls chapter1/.ipynb chapter2/.ipynb chapter3/.ipynb chapter4/.ipynb | sort) -o book/combined.ipynb jupyter nbconvert –to latex book/combined.ipynb
docker build -f Dockerfile.pandoc -t my-pandoc . docker run –rm -v $(pwd):/data my-pandoc pandoc book/main.tex -o book/main.epub –mathml –embed-resources –standalone ``
输出
Marimo 交互式 Notebook
Marimo
数学推导说明
latex
相似文章
@DivyanshT91162: 人们放弃机器学习的原因只有一个:打开一个笔记本……看到200行公式……突然觉得每个教程都像博士论文一样。
文章重点介绍了一个开源代码库,该代码库使用 Jupyter 笔记本从基本原理重新构建经典的机器学习算法,并提供逐步可视化,帮助学习者理解底层机制,而不仅仅是复制代码。
@tom_doerr: 24种算法的交互式逐步可视化 https://github.com/TamimEhsan/AlgorithmVisualizer…
一个基于Web的交互式工具,可逐步可视化24种算法,涵盖寻路、排序、递归等,使用React构建。
@tom_doerr:包含 Kaggle 竞赛的开放机器学习课程 https://github.com/Yorko/mlcourse.ai…
推广 mlcourse.ai,这是由 OpenDataScience 提供的一个开源机器学习课程,涵盖理论、实践以及 Kaggle 竞赛。
@XAMTO_AI: 机器学习入门最容易被什么坑到? 要么教程全是废话,听完还是懵的;要么上来就甩代码,跑通了也不知道为啥。 GitHub上有个宝藏项目:Machine Learning Visualized,直接把算法训练过程可视化给你看,权重怎么更新、怎么…
介绍 GitHub 上的 Machine Learning Visualized 项目,该工具通过交互式笔记本和可视化图表展示机器学习算法(如神经网络、逻辑回归等)的训练过程,帮助初学者理解原理。
stefan-jansen/machine-learning-for-trading
本文介绍了《Machine Learning for Trading》第二版的GitHub仓库,包含超过150个Jupyter Notebook,涵盖了用于算法交易的机器学习技术,包括特征工程、监督/无监督学习、深度学习和强化学习。