今天给大家分享一个超剽悍的开源项目，目前在github上已获11.9k星标。

项目作者是普林斯顿博士后David Bourgin，他用 NumPy 手推了一大波 ML 模型，基本上把主流模型都实现了一遍，这个工作量学姐直呼牛X。

虽然现在手写模型已经不是主流了，但在理解底层架构和深度学习原理方面还是非常有效的，当你想了解模型 API 背后的实现，又不想看复杂的框架代码时，这就是最好的参考。

项目内容

这个令人震撼的项目有超过 3 万行代码、30 多个主流机器学习和深度学习模型，此外还有 15 个用于预处理和计算的小工具，全部.py 文件数量有 62 个。平均每个模型的代码行数在 500 行以上，在神经网络模型的 layer.py 文件中，代码行数接近 4000。

在每一个代码集下，作者还会提供不同实现的参考资料，例如模型的效果示例图、参考论文和参考链接等。

学姐愿称之为目前用NumPy手写机器学习模型的“最高境界”。

该项目最大的特点就是把主流的算法模型都用 NumPy 手写了一遍。机器学习涵盖隐马尔可夫模型、线性回归、最近邻等经典方法，而深度模型则主要从各种模块、层级、最优化器等角度搭建代码架构，从而能快速构建各种神经网络。可以说它就是一个机器学习框架了，而且代码可读性会强很多。

除了模型之外，该项目还提供了一些辅助模块，学姐也都帮大家整理打包好了！

扫码添加小享，回复“ML模型”  

免费获取项目完整源码和配套资料库