值得收藏的27個機器學習的小抄
關注「實驗樓」,每天分享一個專案教程
機器學習(Machine Learning)有很多方面,當我開始研究學習它時,我發現了各種各樣的“小抄”,它們簡明地列出了給定主題的關鍵知識點。最終,我彙集了超過 20 篇的機器學習相關的小抄,其中一些我經常會翻閱,而另一些我也獲益匪淺。這篇文章裡面包含了我在網上找到的 27 個小抄。
正文共:3018 字
預計閱讀時間:8 分鐘
機器學習(Machine Learning)有很多方面,當我開始研究學習它時,我發現了各種各樣的“小抄”,它們簡明地列出了給定主題的關鍵知識點。最終,我彙集了超過 20 篇的機器學習相關的小抄,其中一些我經常會翻閱,而另一些我也獲益匪淺。這篇文章裡面包含了我在網上找到的 27 個小抄,如果你發現我有所遺漏的話,請告訴我。
機器學習領域的變化是日新月異的,我想這些可能很快就會過時,但是至少在目前,它們還是很潮的。
機器學習
這裡有一些有用的流程圖和機器學習演算法表,我只包括了我所發現的最全面的幾個。
神經網路架構
來源: http://www.asimovinstitute.org/neural-network-zoo/
神經網路公園
微軟 Azure 演算法流程圖
來源: https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet
用於微軟 Azure 機器學習工作室的機器學習演算法
SAS 演算法流程圖
來源: http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
SAS:我應該使用哪個機器學習演算法?
演算法總結
來源: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/
機器學習演算法指引
來源: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/
已知的機器學習演算法哪個最好?
演算法優劣
來源: https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend
Python
自然而然,也有許多線上資源是針對 Python 的,這一節中,我僅包括了我所見過的最好的那些小抄。
演算法
來源: https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
Python 基礎
來源: http://datasciencefree.com/python.pdf
來源: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA
Numpy
來源: https://www.dataquest.io/blog/numpy-cheat-sheet/
來源: http://datasciencefree.com/numpy.pdf
來源: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE
來源: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb
Pandas
來源: http://datasciencefree.com/pandas.pdf
來源: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U
來源: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb
Matplotlib
來源: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet
來源: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb
Scikit Learn
來源: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk
來源: http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html
來源: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb
Tensorflow
來源: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb
Pytorch
來源: https://github.com/bfortuner/pytorch-cheatsheet
數學
如果你希望瞭解機器學習,那你就需要徹底地理解統計學(特別是概率)、線性代數和一些微積分。我在本科時輔修了數學,但是我確實需要複習一下了。這些小抄提供了機器學習演算法背後你所需要了解的大部分數學知識。
概率
來源: http://www.wzchen.com/s/probability_cheatsheet.pdf
概率小抄 2.0
線性代數
來源: https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf
四頁內解釋線性代數
統計學
來源: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf
統計學小抄
微積分
來源: http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N
微積分小抄
出處:51cto
原文連結:http://ai.51cto.com/art/201804/571607.htm
學習更多
樓+「 Python實戰 」、「 Linux運維與Devops實戰 」、「 機器學習實戰 」優惠報名中——來自騰訊、Intel、IBM等網際網路大廠的一線大牛親自指導,培養有真正工作能力的工程師!
點選下面的連結瞭解詳情:
相關文章
- 資源 | 值得收藏的 27 個機器學習的小抄機器學習
- 27個機器學習的小抄,助你效率翻倍機器學習
- 21個值得收藏的Javascript技巧JavaScript
- 火爆 GitHub 的 16 張機器學習速查表,值得收藏!Github機器學習
- 45個值得收藏的 CSS 形狀CSS
- 【譯】45個值得收藏的 CSS 形狀CSS
- JavaScript開發者值得收藏的 7 個資源JavaScript
- 值得探索的 8 個機器學習 JavaScript 框架機器學習JavaScript框架
- 幾個值得收藏的好用的網站和應用網站
- 值得收藏的Watir筆記筆記
- 值得mark的11個開源機器學習專案機器學習
- 推薦20個值得收藏的前端開源專案前端
- 值得收藏的免費好用APIAPI
- 值得收藏的免費api集合API
- 值得收藏的圖解Rxjava Operators圖解RxJava
- 強烈推薦|值得收藏的幾個圖片網站網站
- 推薦10個值得收藏的前端開源Awesome專案前端
- 20個值得收藏的網頁設計開放課件網頁
- 值得收藏!超50個好用免費APIAPI
- 一些值得收藏的PowerShell工具
- 28個Javascript陣列方法,開發者的小抄JavaScript陣列
- 框架用的好,下班走的早!值得收藏框架
- 營銷人不得不看的14個網站,值得收藏!網站
- 免費好用的API彙總,值得收藏!API
- 值得收藏的 ViewHolder 工具類實現View
- 常用HTTP抓包工具Fiddler使用的12個小技巧,值得收藏!HTTP
- 優思學院|質量人值得收藏的50個Excel快捷鍵Excel
- 值得收藏的資料分析基礎知識
- 從大神的角度深入理解MySQL,值得收藏~MySql
- 值得收藏的TCP套介面程式設計文章TCP程式設計
- 值得收藏!Web開發的各種效能工具Web
- 多個值得收藏的網址和軟體,你確定不來看看?
- 收藏:機器學習27張速查表、13種演算法和4種學習方法機器學習演算法
- Flutter超值得收藏的優秀學習資源Flutter
- 無需語言的數學證明,值得收藏!
- 值得收藏的MacBook快捷鍵 教你如何快速入門Mac
- 值得收藏的一些免費可用API 大全API
- 值得收藏!選擇正確BI工具的最佳指南