值得收藏的27个机器学习的小抄

人工智能 机器学习
机器学习(Machine Learning)有很多方面,当我开始研究学习它时,我发现了各种各样的“小抄”,它们简明地列出了给定主题的关键知识点。最终,我汇集了超过 20 篇的机器学习相关的小抄,其中一些我经常会翻阅,而另一些我也获益匪浅。这篇文章里面包含了我在网上找到的 27 个小抄。

机器学习(Machine Learning)有很多方面,当我开始研究学习它时,我发现了各种各样的“小抄”,它们简明地列出了给定主题的关键知识点。最终,我汇集了超过 20 篇的机器学习相关的小抄,其中一些我经常会翻阅,而另一些我也获益匪浅。这篇文章里面包含了我在网上找到的 27 个小抄,如果你发现我有所遗漏的话,请告诉我。

机器学习领域的变化是日新月异的,我想这些可能很快就会过时,但是至少在目前,它们还是很潮的。

机器学习

这里有一些有用的流程图和机器学习算法表,我只包括了我所发现的最全面的几个。

神经网络架构

来源: http://www.asimovinstitute.org/neural-network-zoo/

 

神经网络架构

 

神经网络公园

微软 Azure 算法流程图

来源: https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet

用于微软 Azure 机器学习工作室的机器学习算法

SAS 算法流程图

来源: http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/

 

SAS:我应该使用哪个机器学习算法?

算法总结

来源: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/

 

机器学习算法指引

来源: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/

 

 

已知的机器学习算法哪个***?

算法优劣

来源: https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend

 

Python

自然而然,也有许多在线资源是针对 Python 的,这一节中,我仅包括了我所见过的***的那些小抄。

算法

来源: https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/

Python 基础

来源: http://datasciencefree.com/python.pdf

 

来源: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA

 

Numpy

来源: https://www.dataquest.io/blog/numpy-cheat-sheet/

 

来源: http://datasciencefree.com/numpy.pdf

 

来源: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE

 

来源: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb

 

Pandas

来源: http://datasciencefree.com/pandas.pdf

 

来源: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U

 

来源: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb

 

Matplotlib

来源: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet

 

来源: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb

 

Scikit Learn

来源: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk

 

来源: http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html

 

来源: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb

 

Tensorflow

来源: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb

 

Pytorch

来源: https://github.com/bfortuner/pytorch-cheatsheet

 

数学

如果你希望了解机器学习,那你就需要彻底地理解统计学(特别是概率)、线性代数和一些微积分。我在本科时辅修了数学,但是我确实需要复习一下了。这些小抄提供了机器学习算法背后你所需要了解的大部分数学知识。

概率

来源: http://www.wzchen.com/s/probability_cheatsheet.pdf

概率小抄 2.0

线性代数

来源: https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf

 

四页内解释线性代数

统计学

来源: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf

 

统计学小抄

微积分

来源: http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N

 

微积分小抄    

责任编辑:庞桂玉 来源: 机器学习算法与Python学习
相关推荐

2018-02-09 14:55:45

GitHubPython机器学习

2019-04-22 15:00:05

CSS前端开发

2018-05-10 17:32:03

机器学习人工智能入门方法

2020-07-07 16:55:19

机器学习人工智能计算机

2013-07-22 10:01:03

JavascriptWeb

2019-03-18 08:12:31

Javascript机器学习

2020-02-07 22:18:32

机器学习人工智能AI

2020-12-09 11:52:28

Python字符串代码

2018-08-30 14:20:54

数据分析机器学习算法

2018-05-07 08:29:56

机器学习开源适合

2016-09-13 11:07:53

Java网站开发

2019-10-31 08:22:39

shell脚本Linux

2024-03-20 10:59:37

开源

2022-08-15 10:21:44

机器学习人工智能

2020-10-26 13:50:24

机器学习人工智能计算机

2019-02-15 09:00:00

机器学习API人工智能

2018-04-08 22:32:02

2018-12-24 12:54:49

2021-04-15 11:28:55

微信技巧语言

2012-09-24 01:49:48

jQueryjQuery插件Web
点赞
收藏

51CTO技术栈公众号