资源 | 全机器学习和Python的27个速查表(完整版)

按要求转载自网路冷眼

作者 | Robbie Allen

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

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

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2017-08-15

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。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

基于TensorFlow的机器学习速成课程25讲视频全集(23-25讲)

2184
来自专栏大数据挖掘DT机器学习

如何利用数据做排行榜?

8月15日上海交通大学世界一流大学研究中心发布2015年“世界大学学术排名”。今年,哈佛大学蝉联榜首,剑桥大学排名第2,第3-5名依次是牛津大学、麻省理工学...

3614
来自专栏大数据挖掘DT机器学习

如何利用数据做排行榜?

8月15日上海交通大学世界一流大学研究中心发布2015年“世界大学学术排名”。今年,哈佛大学蝉联榜首,剑桥大学排名第2,第3-5名依次是牛津大学、...

4207
来自专栏量子位

为里皮献策:国足再进一步,试试人工智能 | 附机器人世界杯集锦

唐旭、问耕 发自 凹非寺 量子位·QbitAI 报道 一场有着多重意义的比赛昨晚结束,国足坐镇长沙击败韩国队。 ? “天亮了”,赛后李毅大帝在朋友圈和微博上说。...

2965
来自专栏新智元

ISCA2016:体系结构顶级会议CNN走红,神经网络论文夺桂冠

【新智元导读】计算机体系结构顶级会议 ISCA2016日前召开,神经网络和深度学习成为热点。新智元整理了 ISCA 2016 神经网络相关论文(包括本届会议最高...

72918
来自专栏AI研习社

6 次 Kaggle 计算机视觉类比赛赛后感

我从 2017 年年初开始接触 Kaggle。曾翻阅知乎上很多关于 Kaggle 的回答和文章,然而逐渐发现大部分文章中提到的经验和技巧是针对传统 machin...

3442
来自专栏数据的力量

数据挖掘中易犯的10大错误

1445
来自专栏杨熹的专栏

机器学习的技术栈及应用实例脑洞

之前写了一篇入门级的学习列表: 简单粗暴地入门机器学习 好多小伙伴觉得不太过瘾,今天补充一些脑洞! 本文结构: 机器学习技术栈 职位 项目实例 ---- 1. ...

3867
来自专栏量子位

世界杯押注还得看技术流,这个预测AI把赔率也算上了

802
来自专栏CDA数据分析师

数据挖掘中最易犯的10个错误,请绕行!

按照 Elder 博士的总结,这 10 大易犯错误包括: 0、缺乏数据( Lack Data ) 1. 太关注训练( Focus on Training ) 2...

1969

扫码关注云+社区

领取腾讯云代金券