专栏首页数据派THU可能是史上最全机器学习和Python速查表(附下载链接)

可能是史上最全机器学习和Python速查表(附下载链接)

来源:网路冷眼

作者:Hanson

本文长度为680字,建议阅读5分钟

本文为你分享有关机器学习、Python和相关数学知识的速查表大全。

机器学习有很多方面。 当我开始刷新这个主题时,我遇到了各种“速查表”,这里仅列出了需要知道的给定主题的所有要点。 最后,我收集了与机器学习相关的速查表。有些我经常参考,并且认为其他人也可能从中受益。因此, 这篇文章把我从网上发现的很好的27个速查表分享出来,以供大家参考。

后台回复关键词“速查表”下载27个速查表。

机器学习(Machine Learning)

有不少有用的流程图和机器学习算法表。 这里只包括所发现的最全面的速查表。

神经网络架构(NeuralNetwork Architectures)

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

Microsoft Azure算法流程图(Microsoft AzureAlgorithm Flowchart)

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

SAS算法流程图(SAS Algorithm Flowchart)

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

算法总结(AlgorithmSummary)

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

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

算法优缺点(AlgorithmPro/Con)

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

Python

当然Python有很多在线资源。 对于本节只包括所遇到的最好的速查表。

算法(Algorithms)

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

Python基础(Python Basics)

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

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(Math)

如果你真的想了解机器学习,那么需要对统计(特别是概率)、线性代数和微积分的理解打下坚实的基础。在本科期间我辅修数学,但是我肯定需要复习这些知识。 这些速查表提供了大多数需要了解最常见的机器学习算法背后的数学。

概率(Probability)

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

线性代数(Linear Algebra)

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

统计学(Statistics)

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

微积分(Calculus)

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

后台回复关键词“速查表”下载27个速查表。

原文参考:https://unsupervisedmethods.com/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6

作者:Robbie Allen

本文分享自微信公众号 - 数据派THU(DatapiTHU)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-07-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 放弃“for循环”,教你用这种算法 !(附代码)

    原文标题:Why you should forget ‘for-loop’ for data science code and embrace vectoriz...

    数据派THU
  • 怎么才能最短时、高效、踏实地学习 Python(附链接)

    Python是当前全球的主流编程语言之一,基于其简洁的语法结构,可以让开发者用更少的代码完成很多复杂的效果开发。

    数据派THU
  • 收藏 | 27个机器学习小抄(附学习资源)

    数据派THU
  • 值得收藏的27个机器学习的小抄

    昱良
  • 资源 | 全机器学习和Python的27个速查表(完整版)

    大数据文摘
  • 值得收藏的27个机器学习的小抄

    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...

    IT派
  • 27个机器学习图表,帮你作弊一般飞速成长!

    今天分享一篇机器学习的文章。翻了一半,发现Linux中国已经翻译过了。。。干脆搬过来,还有一个姊妹篇《My Curated List of AI and Mac...

    小小科
  • 正在研究机器学习?我们帮你准备了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...

    CDA数据分析师
  • GoCN每日新闻(2019-09-23)

    1. 查看 Go 的代码优化过程 http://xargin.com/go-compiler-opt

    landv
  • 卷积骚操作-Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution

    Code: https://github.com/qiulinzhang/SPConv.pytorch

    绝命生

扫码关注云+社区

领取腾讯云代金券