收藏 | 27个机器学习小抄(附学习资源)

来源:机器学习算法与自然语言处理

本文多资源,建议收藏。 本文针对机器学习基本概念及编程和数学基础,为你列出相应的学习资源。

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,我汇集了超过 20 篇的机器学习相关的小抄,其中一些我经常会翻阅,而另一些我也获益匪浅。这篇文章里面包含了我在网上找到的 27 个小抄,如果你发现我有所遗漏的话,请告诉我。

机器学习领域的变化是日新月异的,我想这些可能很快就会过时,但是至少在目前,它们还是很潮的。

机器学习

这里有一些有用的流程图和机器学习算法表,我只包括了我所发现的最全面的几个。

1. 神经网络架构

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

2. 神经网络公园

微软 Azure 算法流程图

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

用于微软 Azure 机器学习工作室的机器学习算法

3. SAS 算法流程图

SAS:我应该使用哪个机器学习算法?

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

4. 算法总结

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

5. 机器学习算法指引

已知的机器学习算法哪个最好?

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

6. 算法优劣

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

Python

自然而然,也有许多在线资源是针对 Python 的,这一节中,我仅包括了我所见过的最好的那些小抄。

1. 算法

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

2. Python 基础

资源 1:http://datasciencefree.com/python.pdf

资源 2:https://www.datacamp.com /community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA

3. Numpy

资源1:https://www.dataquest.io/blog/numpy-cheat-sheet/

资源 2:http://datasciencefree.com/numpy.pdf

资源 3:https://www.datacamp.com /community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE

资源 4:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master /numpy /numpy.ipynb

4. Pandas

资源1:http://datasciencefree.com/pandas.pdf

资源 2:https://www.datacamp.com /community/blog/python-pandas-cheat-sheet#gs.S4P4T=U

资源 3:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master /pandas/pandas.ipynb

5. Matplotlib

资源 1:https://www.datacamp.com/ community/blog/python-matplotlib-cheat-sheet

资源 2:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master /matplotlib/matplotlib.ipynb

6. Scikit Learn

资源 1:https://www.datacamp.com /community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk

资源 2:http://peekaboo-vision.blogspot.de/2013 /01/machine-learning-cheat-sheet-for-scikit.html

资源 3:https://github.com/rcompton /ml_cheat_sheet/blob/master/supervised_learning.ipynb

7. Tensorflow

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

8. Pytorch

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

数学

如果你希望了解机器学习,那你就需要彻底地理解统计学(特别是概率)、线性代数和一些微积分。我在本科时辅修了数学,但是我确实需要复习一下了。这些小抄提供了机器学习算法背后你所需要了解的大部分数学知识。

1. 概率

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

2. 线性代数

四页内解释线性代数

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

3. 统计学

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

4. 微积分

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

原文发布于微信公众号 - 数据派THU(DatapiTHU)

原文发表时间:2018-05-06

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

来自专栏机器之心

论文结果难复现?本文教你完美实现深度强化学习算法DQN

2977
来自专栏安智客

量子真随机数

随机性是一个非常有趣的概念,引起了大量学者的研究兴趣。从理论研究的意义上看,其属于物理学甚至是哲学的范畴,即研究世界的确定性问题:世界是确定性的,还是随机的呢?...

1264
来自专栏PPV课数据科学社区

如何给非专业人士讲解什么是深度学习?

去年开始,工作中需要做许多有关 AI 科普的事情。很长时间里一直在想,该如何给一个没有 CS 背景的人讲解什么是深度学习,以便让一个非技术的投资人、企业管理者、...

3286
来自专栏量子位

如何给非专业人士讲解什么是深度学习?

本文转载自王咏刚微信:半轻人,点击左下角阅读原文,可直达原文链接。 去年开始,工作中需要做许多有关 AI 科普的事情。很长时间里一直在想,该如何给一个没有 CS...

3258
来自专栏人工智能头条

ICLR 2018最佳论文出炉,无华人获奖

1446
来自专栏智能算法

深度学习如何调参?

1324
来自专栏数据派THU

独家 | 一文读懂优化算法

一、前言 模拟退火、遗传算法、禁忌搜索、神经网络等在解决全局最优解的问题上有着独到的优点,其中共同特点就是模拟了自然过程。模拟退火思路源于物理学中固体物质的退火...

2219
来自专栏AI研习社

李开复让非专业人士也能完全理解深度学习

去年开始,工作中需要做许多有关 AI 科普的事情。很长时间里一直在想,该如何给一个没有 CS 背景的人讲解什么是深度学习,以便让一个非技术的投资人、企业管理者、...

4137
来自专栏ATYUN订阅号

【学术】从一个简单的模型开始,可以让机器学习更高效

AiTechYun 编辑:xiaoshan ? 要创建通用人工智能,必须首先掌握逻辑回归 从基础开始 在试图发展对世界的科学认识的时候,大多数的领域在探索重要的...

3977
来自专栏腾讯大讲堂的专栏

Mariana: 深度学习在腾讯的平台化和应用实践

引言:深度学习是近年机器学习领域的重大突破,有着广泛的应用前景。随着Google公开Google Brain计划,业界对深度学习的热情高涨。腾讯在深度学习领域持...

2088

扫码关注云+社区