资源 | 最全的27张机器学习Python（以及数学）速查表 （附下载链接）

机器学习

以下是一些实用的流程图和机器学习算法表。

神经网络架构

来源：

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

The Neural Network Zoo

Microsoft Azure算法流程图

来源：

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

Microsoft Azure机器学习工作室的机器学习算法速查表

SAS算法流程图

来源：

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

SAS：我应该使用哪种机器学习算法？

算法总结

来源：

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

机器学习算法之旅

来源：

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

哪些是最知名的机器学习算法？

算法 赞成/ 反对

来源：

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

Python

Python有很多在线资源，该部分我仅列出我发现的最优质的速查表。

算法

来源：

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

Python基础知识

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：

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

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

如果你真的想理解机器学习，那么你需要对统计学（特别是概率），线性代数和一定微积分知识有较好的把握。以下的速查表包括：你需要理解的主要机器学习算法相关的数学概念。

概率

来源：

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

线性代数

来源：

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

4页讲解线性代数

统计

来源：

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

微积分

来源：

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

原文链接：

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

▼

往期精彩文章回顾

12个数据科学面试必问问题