機器學(xué)習(xí)有很多方面，當我開始研究學(xué)習(xí)它時，我發(fā)現(xiàn)了各種各樣的“小抄”，它們簡明地列出了給定主題的關(guān)鍵知識點。最終，我匯集了超過 20 篇的機器學(xué)習(xí)相關(guān)的小抄，其中一些我經(jīng)常會翻閱，而另一些我也獲益匪淺。這篇文章里面包含了我在網(wǎng)上找到的 27 個小抄，如果你發(fā)現(xiàn)我有所遺漏的話，請告訴我。

-- Robbie Allen

在微信公公眾號會話中回復(fù)“備忘”，下載本文收集的大部分機器學(xué)習(xí)備忘單。

本文授權(quán)轉(zhuǎn)自Linux中國（ID:linux-cn）

本文導(dǎo)航

• 機器學(xué)習(xí) 05%

• 神經(jīng)網(wǎng)絡(luò)架構(gòu) 07%

• 微軟 Azure 算法流程圖 10%

• SAS 算法流程圖 14%

• 算法總結(jié) 18%

• 算法優(yōu)劣 26%

• Python 30%

• 算法 31%

• Python 基礎(chǔ) 35%

• Numpy 41%

• Pandas 52%

• Matplotlib 61%

• Scikit Learn 68%

• Tensorflow 77%

• Pytorch 81%

• 數(shù)學(xué)84%

• 概率 86%

• 線性代數(shù) 90%

• 統(tǒng)計學(xué) 93%

• 微積分 97%

機器學(xué)習(xí)

這里有一些有用的流程圖和機器學(xué)習(xí)算法表，我只包括了我所發(fā)現(xiàn)的最全面的幾個。

神經(jīng)網(wǎng)絡(luò)架構(gòu)

(via:http://www./neural-network-zoo/)

神經(jīng)網(wǎng)絡(luò)公園

微軟 Azure 算法流程圖

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

用于微軟 Azure 機器學(xué)習(xí)工作室的機器學(xué)習(xí)算法

SAS 算法流程圖

(via:http://blogs./content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/)

SAS：我應(yīng)該使用哪個機器學(xué)習(xí)算法？

算法總結(jié)

(via:http:///a-tour-of-machine-learning-algorithms/)

機器學(xué)習(xí)算法指引

(via:http:///best-known-machine-learning-algorithms-infographic/)

已知的機器學(xué)習(xí)算法哪個最好？

算法優(yōu)劣

(via： https://blog./machine-learning-explained-algorithms-are-your-friend)

Python

自然而然，也有許多在線資源是針對 Python 的，這一節(jié)中，我僅包括了我所見過的最好的那些小抄。

算法

(via:https://www./blog/2015/09/full-cheatsheet-machine-learning-algorithms/)

Python 基礎(chǔ)

(via:http:///python.pdf)

數(shù)據(jù)科學(xué)Python入門備忘單

(via:https://www./community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA)

NumPy Cheat Sheet - Python for Data Science

(via:https://www./blog/numpy-cheat-sheet/)

Numpy Cheat Sheet

(via: http:///numpy.pdf)

NumPy Cheat Sheet: Data Analysis in Python

(via:https://www./community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE)

Data-Science-Ipython-Notebooks(NumPy)

(via:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/

numpy/numpy.ipynb)

Data Analysis with Pandas

(via:http:///pandas.pdf)

Pandas Cheat Sheet for Data Science in Python

(via:https://www./community/blog/python-pandas-cheat-sheet#gs.

S4P4T=U)

Data-Science-Ipython-Notebooks(Pandas)

(via:https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/

pandas/pandas.ipynb)

Matplotlib Cheat Sheet: Plotting in Python

(via:https://www./community/blog/python-matplotlib-cheat-sheet)

Data-Science-Ipython-Notebooks

(via: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/

matplotlib/matplotlib.ipynb)

Scikit Learn

(via: https://www./community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk)

Machine Learning Cheat Sheet (for scikit-learn)

(via:http://peekaboo-vision./2013/01/machine-learning-cheat-sheet-for-scikit.html)

ml_cheat_sheet

(via: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.

ipynb)

TensorFlow-Examples

(via: https://github.com/aymericdamien/TensorFlow-Examples/blob/

master/notebooks/1_Introduction/basic_operations.ipynb)

Pytorch Cheatsheet

(via: https://github.com/bfortuner/pytorch-cheatsheet)

數(shù)學(xué)

如果你希望了解機器學(xué)習(xí)，那你就需要徹底地理解統(tǒng)計學(xué)（特別是概率）、線性代數(shù)和一些微積分。我在本科時輔修了數(shù)學(xué)，但是我確實需要復(fù)習(xí)一下了。這些小抄提供了機器學(xué)習(xí)算法背后你所需要了解的大部分數(shù)學(xué)知識。

概率

(via:http://www./s/probability_cheatsheet.pdf)

概率小抄 2.0

線性代數(shù)

(via: https:///static/tutorials/linear_algebra_in_4_pages.pdf)

四頁內(nèi)解釋線性代數(shù)

統(tǒng)計學(xué)

(via: http://web./~csvoss/Public/usabo/stats_handout.pdf)

統(tǒng)計學(xué)小抄

微積分

(via:http://tutorial.math./getfile.aspx?file=B,41,N)

微積分小抄

原文地址：

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