27 個機器學習、數學、Python 速查表

機器學習涉及到的方面非常多。當我開始準備復習這些內容的時候，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。最終我編譯了超過 20 份機器學習相關的速查表，其中一些是我經常用到的而且我相信其他人也會從中受益。本文整理了我在網絡上找到的 27 個速查表，我認為比較好。如果我有遺漏，歡迎補充。

如今機器學習領域的發展相當迅速，我可以想象出來這些資源將會很快過時，但是至少在當前，在2017年6月1日，他們都是相當流行的。

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，記得給我在下面點個 zan 哦。

機器學習

這里我從一些和機器學習算法相關的流程圖和表格中選擇了我認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

網上在線的Python資源可以說是相當的多。在這一部分，我挑選了我遇到的幾個最好的速查表呈獻給大家。

ML算法

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

Python基礎

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

數學

如果你想真正的理解機器學習，你需要有扎實的統計學(尤其是概率論), 線性代數以及微積分基礎。我在上大學的時候輔修了數學專業，但是我肯定還是需要對這些數學知識進行復習。如果你想理解常用機器學習算法背后的數學原理，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

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

統計學

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

 

來自：http://blog.jobbole.com/112009/