機(jī)器學(xué)習(xí)涉及到的方面非常多。當(dāng)我開始準(zhǔn)備復(fù)習(xí)這些內(nèi)容的時候，我找到了許多不同的”速查表”, 這些速查表針對某一主題都羅列出了所有我需要知道的知識重點(diǎn)。最終我編譯了超過 20 份機(jī)器學(xué)習(xí)相關(guān)的速查表，其中一些是我經(jīng)常用到的而且我相信其他人也會從中受益。本文整理了我在網(wǎng)絡(luò)上找到的 27 個速查表，我認(rèn)為比較好。如果我有遺漏，歡迎補(bǔ)充。

如今機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展相當(dāng)迅速，我可以想象出來這些資源將會很快過時，但是至少在當(dāng)前，在2017年6月1日，他們都是相當(dāng)流行的。

如果你們像我一樣想要一次性批量下載所有資源，我已經(jīng)將 27 個速查表整理打包（ Dropbox 、 百度云 ）好了，請盡情享用吧！

如果你喜歡本文，記得給我在下面點(diǎn)個 zan 哦。

機(jī)器學(xué)習(xí)

這里我從一些和機(jī)器學(xué)習(xí)算法相關(guān)的流程圖和表格中選擇了我認(rèn)為最全面的幾個并在下面羅列出來。

Neural Network Architectures

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

The Neural Network Zoo

Microsoft Azure Algorithm Flowchart

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

Machine learning algorithm cheat sheet for Microsoft Azure Machine Learning Studio

SAS Algorithm Flowchart

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

SAS: Which machine learning algorithm should I use?

Algorithm Summary

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

A Tour of Machine Learning Algorithms

Which are the best known machine learning algorithms?

Algorithm Pro/Con

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

Python

網(wǎng)上在線的Python資源可以說是相當(dāng)?shù)亩�。在這一部分，我挑選了我遇到的幾個最好的速查表呈獻(xiàn)給大家。

ML算法

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

Python基礎(chǔ)

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

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

Numpy

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

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

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

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

Pandas

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

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

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

Matplotlib

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

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

Scikit Learn

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

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

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

Tensorflow

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

Pytorch

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

數(shù)學(xué)

如果你想真正的理解機(jī)器學(xué)習(xí)，你需要有扎實(shí)的統(tǒng)計(jì)學(xué)(尤其是概率論), 線性代數(shù)以及微積分基礎(chǔ)。我在上大學(xué)的時候輔修了數(shù)學(xué)專業(yè)，但是我肯定還是需要對這些數(shù)學(xué)知識進(jìn)行復(fù)習(xí)。如果你想理解常用機(jī)器學(xué)習(xí)算法背后的數(shù)學(xué)原理，那么下面的這些速查表將會是你需要的。

概率論

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

線性代數(shù)

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

統(tǒng)計(jì)學(xué)

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

 

來自：http://blog.jobbole.com/112009/

 

標(biāo)簽： 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。