资源 | 值得收藏的 27 个机器学习的小抄

机器学习有很多方面，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。

-- Robbie Allen

在微信公公众号会话中回复“备忘”，下载本文收集的大部分机器学习备忘单。

本文授权转自Linux中国（ID:linux-cn）

本文导航

• 机器学习 05%

  • 神经网络架构 07%

  • 微软 Azure 算法流程图 10%

  • SAS 算法流程图 14%

  • 算法总结 18%

  • 算法优劣 26%

• Python 30%

  • 算法 31%

  • Python 基础 35%

  • Numpy 41%

  • Pandas 52%

  • Matplotlib 61%

  • Scikit Learn 68%

  • Tensorflow 77%

  • Pytorch 81%

• 数学84%

  • 概率 86%

  • 线性代数 90%

  • 统计学 93%

  • 微积分 97%

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

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

神经网络公园

微软 Azure 算法流程图

(via: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

(via: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

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

机器学习算法指引

(via: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

(via： 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

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

Python 基础

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

数据科学Python入门备忘单

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

NumPy Cheat Sheet - Python for Data Science

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

Numpy Cheat Sheet

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

NumPy Cheat Sheet: Data Analysis in Python

(via:https://www.datacamp.com/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://datasciencefree.com/pandas.pdf)

Pandas Cheat Sheet for Data Science in Python

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

Machine Learning Cheat Sheet (for scikit-learn)

(via:http://peekaboo-vision.blogspot.de/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)

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

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

概率小抄 2.0

线性代数

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

四页内解释线性代数

统计学

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

统计学小抄

微积分

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

微积分小抄

原文地址：

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