3.3 万星 GitHub 项目 ML-From-Scratch 用纯 Python 手写经典机器学习算法
techNmak · x · 2026-10-23
GitHub 热门项目 ML-From-Scratch（作者 Erik Linder-Noren）以 3.3 万星热度走红，用可读的 Python 代码从零实现通常被高层库隐藏的机器学习算法，定位是帮助理解原理而非追求运行效率。
覆盖内容包括：
- 线性/逻辑回归、决策树、随机森林、梯度提升、XGBoost、SVM
- K-means、DBSCAN、PCA、高斯混合等无监督方法
- 神经网络、CNN、RNN，含卷积层、池化、BatchNorm、Dropout 等完整层级实现
- 生成对抗网络（GAN）、Deep Q-learning（CartPole）
项目的神经网络部分尤其适合想搞懂底层实现的开发者，README 中附有手写数字生成、深度强化学习等示例目录。
「研究」频道最新
- FreshStack 检索基准更新：纳入 Cohere Embed v5 等新模型 — beirmug · 2026-10-23
- 海德堡 Kather 团队 ESMO 演讲:LLM 与 AI Agent 进军肿瘤学 — jnkath · 2026-10-23
- 9B 模型量化实测:70% 损伤集中在前 8 层,困惑度看不见尾部风险 — DinnerPrestigious953 · 2026-10-23
- GenReasoning 团队复盘:半年攻关、保持精简、从不投付费推广 — rosstaylor90 · 2026-10-23
- 开发者将 Anthropic 形式验证所用 RISC-V 模型从 Rocq 移植到 Lean — xennygrimmato_ · 2026-10-23
- 清华 THU-KEG 发布 RIDAR：自动检测并干预科研智能体造假行为 — THU-KEG · 2026-10-23