TensorFlowの計算モデルで、一般的な機械学習アルゴリズムを実装することは可能ですか？

https://www.tensorflow.org/

GitHubで見たTensorFlowのプロジェクトはすべて、ある種のニューラルネットワークモデルを実装しています。TensorFlowがDAGよりも改善されていることを考えると（これはもはや非循環ではありません）、いくつかの固有の欠点により一般的な機械学習モデルに適さなくなるのではないかと思っていましたか？

TensorFlowの計算モデルで、一般的な機械学習アルゴリズムを実装することは可能ですか？

これは少しネクロポストですが、それでも興味がある場合は、テンソルフローでの実行方法を説明する一般的なテンソルフローチュートリアルのセットを以下に示します。線形回帰と最近傍回帰の例が含まれているため、元の質問に役立つはずです。

https://github.com/aymericdamien/TensorFlow-Examples

さらに、テンソルフローで微分方程式を実行するための元のテンソルフローチュートリアルを次に示します。tensorflow計算グラフの柔軟性について説明します。

https://www.tensorflow.org/versions/r0.9/tutorials/pdes/index.html

TensorFlowを使用すると、勾配降下法と逆伝搬法（チェーンルール）に依存する、またはそのように言い換えることができる機械学習アルゴリズムを実装できます。これには、ロジスティック回帰、サポートベクターマシンなどが含まれます。しかし、TensorFlowでランダムフォレストを実装する方法がわかりません。

numpyオペレーションのいくつかはTensorFlowでミラーリングされるため、numpyで実装できる場合、TensorFlowへの移植は簡単です。たとえば、K平均クラスタリングの例を次に示します。https：//stackoverflow.com/questions/33621643/how-would-i-implement-k-means-with-tensorflow