資源 | 值得收藏的 27 個機器學習的小抄

機器學習有很多方面，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。

-- Robbie Allen

在微信公公眾號會話中回覆“備忘”，下載本文收集的大部分機器學習備忘單。

本文授權轉自Linux中國（ID:linux-cn）

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

(via:http://www.asimovinstitute.org/neural-network-zoo/)

神經網路公園

微軟 Azure 演算法流程圖

(via: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

(via: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

(via:http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/)

機器學習演算法指引

(via: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

(via： 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

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

Python 基礎

(via:http://datasciencefree.com/python.pdf)

資料科學Python入門備忘單

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

NumPy Cheat Sheet - Python for Data Science

(via:https://www.dataquest.io/blog/numpy-cheat-sheet/)

Numpy Cheat Sheet

(via: http://datasciencefree.com/numpy.pdf)

NumPy Cheat Sheet: Data Analysis in Python

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

Data-Science-Ipython-Notebooks(NumPy)

(via:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/

numpy/numpy.ipynb)

Data Analysis with Pandas

(via:http://datasciencefree.com/pandas.pdf)

Pandas Cheat Sheet for Data Science in Python

(via:https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.

S4P4T=U)

Data-Science-Ipython-Notebooks(Pandas)

(via:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/

pandas/pandas.ipynb)

Matplotlib Cheat Sheet: Plotting in Python

(via:https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet)

Data-Science-Ipython-Notebooks

(via: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/

matplotlib/matplotlib.ipynb)

Scikit Learn

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

Machine Learning Cheat Sheet (for scikit-learn)

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

ml_cheat_sheet

(via: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.

ipynb)

TensorFlow-Examples

(via: https://github.com/aymericdamien/TensorFlow-Examples/blob/

master/notebooks/1_Introduction/basic_operations.ipynb)

Pytorch Cheatsheet

(via: 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

(via:http://www.wzchen.com/s/probability_cheatsheet.pdf)

概率小抄 2.0

線性代數

(via: https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf)

四頁內解釋線性代數

統計學

(via: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf)

統計學小抄

微積分

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

微積分小抄