关键词:
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。
神经网络架构
来源: http://www.asimovinstitute.org/neural-network-zoo/
神经网络公园
微软 Azure 算法流程图
来源: 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
SAS 算法流程图
来源: http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
SAS:我应该使用哪个机器学习算法?
算法总结
来源: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/
机器学习算法指引
来源: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/
已知的机器学习算法哪个最好?
算法优劣
来源: 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。
算法
来源: https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
Python 基础
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 军训心得
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。
概率
来源: http://www.wzchen.com/s/probability_cheatsheet.pdf
概率小抄 2.0
线性代数
来源: https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf
四页内解释线性代数
统计学
来源: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf
统计学小抄
微积分
来源: http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N
微积分小抄
原文链接:https://unsupervisedmethods.com/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6
整理:机器学习算法与自然语言处理
神经网络架构
机器学习(MachineLearning)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... 查看详情
值得收藏!2023年,你应该知道的所有机器学习算法~
...尤其近十年由深度学习开启神经网络的黄金新时代,机器学习成为解决人工智能面临诸多难题的重要途径。然而,这一涉及概率论、统计学、逼近论、凸分析、算法复杂度等理论的交叉学科让很多开发者犯难,尤其是... 查看详情
盘点27个机器学习深度学习库最频繁使用的python工具包(内含大量示例,建议收藏)(代码片段)
目前,随着人工智能的大热,吸引了诸多行业对于人工智能的关注,同时也迎来了一波又一波的人工智能学习的热潮,虽然人工智能背后的原理并不能通过短短一文给予详细介绍,但是像所有学科一样,我... 查看详情
值得收藏!2023年,你应该知道的所有机器学习算法~(代码片段)
...尤其近十年由深度学习开启神经网络的黄金新时代,机器学习成为解决人工智能面临诸多难题的重要途径。然而,这一涉及概率论、统计学、逼近论、凸分析、算法复杂度等理论的交叉学科让很多开发者犯难,尤其是... 查看详情
收藏喜+1!值得使用的100个python小技巧
...上手。你可以用它来完成很多任务,比如数据科学、机器学习、Web开发、脚本编写、自动化等。下面,给大家分享100个Python小技巧,帮助大家更好的了解和学习Python。▍1、for循环中的 查看详情
良心之作,7个值得收藏的github开源项目!
...程、编程技巧等内容:TCP连接分析工具Web流程图组件机器学习可视化工具图解R 查看详情
良心之作,7个值得收藏的github开源项目!
...程、编程技巧等内容:TCP连接分析工具Web流程图组件机器学习可视化工具图解R 查看详情
大工具-收藏
...,激活值】的一个好工具,hiddenlayer最强数据集50个最佳机器学习公共数据之前ICLR2019上那个大名鼎鼎的BigGAN的Demo放出来了,可以浏览器在线运行测试,效果拔群,值得一试!TensorSpace:超酷炫3D神经网络可视化框架【比tensorboard... 查看详情
这725个机器学习术语表,太全了!
下面是几位机器学习权威专家汇总的725个机器学习术语表,非常全面了,值得收藏!英文术语中文翻译0-1LossFunction0-1损失函数Accept-RejectSamplingMethod接受-拒绝抽样法/接受-拒绝采样法AccumulatedErrorBackpropagation累积误差反... 查看详情
21个值得收藏的javascript技巧(代码片段)
...要转换为以逗号分割的CSV格式文件。则我们可以使用如下的小技巧,代码如下:`var``fruits=[``'apple'``,``'p 查看详情
值得收藏!2023年,你应该知道的所有机器学习算法~
...尤其近十年由深度学习开启神经网络的黄金新时代,机器学习成为解决人工智能面临诸多难题的重要途径。然而,这一涉及概率论、统计学、逼近论、凸分析、算法复杂度等理论的交叉学科让很多开发者犯难,尤其是... 查看详情
收藏!超全的github计算机算法机器学习深度学习的面试指南集锦
这是github上的计算机基础、算法、机器学习、深度学习的面试算法指南的汇总,非常值得收藏。1、leetcode题解,记录自己的leetcode解题之路github上35万星https://github.com/azl397985856/leetcode2、收录常见面试算法题,包括 剑指offer&nbs... 查看详情
资源|机器学习小抄
数据挖掘流程source此网址还提供了其他众多涉及数学科学的cheatsheet,非常推荐 算法的选择source source source SIGAI算法地图source: sklearn使用source此网页也... 查看详情
值得收藏!2023年,你应该知道的所有机器学习算法~(代码片段)
...尤其近十年由深度学习开启神经网络的黄金新时代,机器学习成为解决人工智能面临诸多难题的重要途径。然而,这一涉及概率论、统计学、逼近论、凸分析、算法复杂度等理论的交叉学科让很多开发者犯难,尤其是... 查看详情
值得收藏!这100个python实战小项目真棒!
学习Python会有这么一个阶段,太简单的程序看不上眼,复杂的开源项目又有点力不从心,这个时候,你就需要接触点简单的Python小项目来提升Python技能。最近逛GitHub,碰巧碰上有这样一个项目,收集了100个实用... 查看详情
宇航员2.0值得收藏吗
...技术A绝对值得收藏!宇航员2.0是一款适用于太空航行的机器人,它能够帮助宇航员在太空中完成一系列任务,比如进行科学实验、从行星表面收集样本等。它还可以与宇航员进行有用的交流,从而提升宇航员的太空探索效率。... 查看详情
关于java集合的小抄--转
原文地址:http://calvin1978.blogcn.com/articles/collection.html在尽可能短的篇幅里,将所有集合与并发集合的特征、实现方式、性能捋一遍。适合所有"精通Java",其实还不那么自信的人阅读。 期望能不止用于面试时,平时选择数据结... 查看详情
推荐收藏,25道机器学习面试问题(附答案)
...各个商业部门。各公司现在都在寻找能够利用深度学习和机器学习技术的专业人士。在本文中,将整理深度学习面试中最常被问到的25个问题和答案。如果你最近正在参加深度学习相关的面试工作,那么这些问题会对你有... 查看详情