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

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

更多推荐:

  • R知识速查表-值得bia在墙上
  • 一文总结学习 Python 的 14 张思维导图
  • 学习攻略 | 机器学习和深度学习技能树、面试宝典
  • 300张小抄表搞定机器学习知识点:学习根本停不下来!
  • 谷歌最新机器学习术语表,A/B 测试 、混淆矩阵、决策边界……都在这里了!

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2018-05-12

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AI研习社

测量神经网络真的难吗?Uber 说未必

过去十年来,神经网络彻底改变了机器学习。机器学习从一个相对晦涩的学术研究领域崛起成为工业支柱,在大量数据可用的地方为众多应用提供支持。Uber 将神经网络用于多...

1123
来自专栏机器之心

业界 | 谷歌推出神经网络可视化库Lucid,推进模型的可解释性工作(附GitHub)

2886
来自专栏AI科技评论

学界 | MIT周博磊团队:时序关系网络帮助计算机填补视频帧之间的空白

AI 科技评论按:如果你向一个人仅仅展示一段视频中的几帧,他通常可以推测出视频里发生的是什么事件以及屏幕上会显示出什么。例如,如果我们在视频开始时的帧中看到了一...

1333
来自专栏专知

【KDD2018】UIUC韩家炜团队218页文本语料数据挖掘教程

【导读】由于互联网领域的蓬勃发展,人们获取信息的便捷性越来越高,但也面临着信息过载的问题,因此,对自然语言处理的技术需求逐渐增多。本周,我们为大家整理了韩家炜团...

2673
来自专栏PPV课数据科学社区

【学习】关于推荐系统中的特征工程

在多数数据和机器学习的blog里,特征工程 Feature Engineering 都很少被提到。做模型的或者搞Kaggle比赛的人认为这些搞featu...

5198
来自专栏CDA数据分析师

应用 AI 之前,你必须了解的 10 项准备工作

? 这篇文章对你的人工智能和机器学习项目进行分解,讨论其各个部分所带来的影响,从而帮助你确定公司是否真正准备利用机器学习、深度学习或人工智能。 不是每一个问题...

2009
来自专栏AI科技评论

从计算机视觉的小白变为大神,你需要经历这七个阶段

如果想要机器能够进行思考,我们需要先教会它们去看。 李飞飞——Director of Stanford AI Lab and Stanford Vision...

3735
来自专栏AI科技大本营的专栏

资源 | 普通程序员如何自学机器学习?这里有一份指南~

机器学习工程师自学指南! 本文将会介绍机器学习的方方面面,从简单的线性回归到最新的神经网络,你不仅仅能学会如何使用它们,并且还能从零进行构建。 以下内容以计算机...

3526
来自专栏PPV课数据科学社区

多模型融合推荐算法——从原理到实践

1 研发背景 互联网时代也是信息爆炸的时代,内容太多,而用户的时间太少,如何选择成了难题。电商平台里的商品、媒体网站里的新闻、小说网站里的作品、招聘网站里的职位...

4377
来自专栏AI研习社

Github 「stars」 平均 3558,最棒的 30 个机器学习实例

在过去的一年里,我们比较了近 8800 个机器学习开源项目选出了其中最棒的 30 个 (几率只有 0.3%)。 这是一个非常具有竞争力的名单,名单是从 2017...

39412

扫码关注云+社区

领取腾讯云代金券