wzyonggege/statistical-learning-method
《统计学习方法》笔记-基于Python算法实现
解决的问题
本项目在经典统计学习方法的教学理论与实际实现之间架起了一座清晰的教育桥梁。它通过从零开始用Python构建算法，而不是依赖库的捷径，帮助学习者理解算法的工作原理。
工作原理
该仓库包含九个Jupyter笔记本，每个笔记本专注于一个基础机器学习算法（如决策树、SVM或朴素贝叶斯）。每个笔记本解释了底层数学原理，并提供了手写的Python实现。虽然项目使用scikit-learn进行对比，但核心逻辑是手动编码的，以确保教育重点保持在算法的机制上。
适用人群
这适用于那些希望超越将机器学习视为“黑箱”的学生、研究人员或开发者，并希望深入、基础地理解这些经典模型是如何构建和优化的。
亮点
- 包含九个涵盖核心统计学习主题的全面笔记本。
- 优先采用手写实现来展示数学概念。
- 完全更新以适应当代Python（3.10–3.13），并使用
uv进行可复现的依赖管理。
- 包含自动化验证和测试，以确保所有笔记本保持功能和准确性。
- 保留原始教育内容，同时提供现代、稳定的运行时环境。
相关
- 项目
tensorflow/tfxTensorFlow Extended (TFX) 是一个生产规模的 ML 平台，提供框架以构建和编排自动化的机器学习流水线。
- 项目
fangwei123456/spikingjellySpikingJelly 是一个基于 PyTorch 的原生库，用于构建、训练和部署脉冲神经网络。它提供神经元模块、代理梯度工具、神经形态数据的数据集加载器、自动后端选择（Torch/Triton/原生 CUDA）、混合精度支持以及导出到神经形态硬件的接口。可通过 PyPI 安装（Python ≥ 3.11，PyTorch ≥ 2.6），并可选 CUDA 扩展以获得高性能。采用 Apache-2.0 许可证。
- 项目
ageron/handson-mlp一个包含Jupyter笔记本和练习的集合，旨在使用Scikit-Learn和PyTorch教授机器学习基础知识，作为O'Reilly书籍的配套资源。
- 项目
tensorflow/quantumTensorFlow Quantum 是一个 Python 库，将 Cirq 量子电路与 TensorFlow/Keras 集成，提供高性能混合量子-经典机器学习模型、自动微分以及通过 qsim 实现的可扩展模拟。