码迷,mamicode.com
首页 > 编程语言 > 详细

可能是史上最全的机器学习和Python(包括数学)速查表

时间:2018-05-14 11:45:33      阅读:284      评论:0      收藏:0      [点我收藏+]

标签:targe   ccf   pytorch   examples   data   mmu   架构   hub   lin   

新手学习机器学习很难,就是收集资料也很费劲。所幸Robbie Allen从不同来源收集了目前最全的有关机器学习、Python和相关数学知识的速查表大全。强烈建议收藏!

技术分享图片

机器学习有很多方面。 当我开始刷新这个主题时,我遇到了各种“速查表”,仅仅列出了需要知道的给定主题的所有要点。 最后,我收集了与机器学习相关的速查表。有些我经常参考,认为其他人也可能从中受益。因此, 这篇文章把我在网上发现的很好的27个速查表分享出来,以供大家参考。

机器学习(Machine Learning)

有不少有用的流程图和机器学习算法表。 这里只包括所发现的最全面的速查表。

神经网络架构(NeuralNetwork Architectures)

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

技术分享图片

Microsoft Azure算法流程图(Microsoft AzureAlgorithm Flowchart

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

技术分享图片

SAS算法流程图(SAS Algorithm Flowchart)

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

技术分享图片

技术分享图片

算法总结(AlgorithmSummary)

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

技术分享图片

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

技术分享图片

算法优缺点(AlgorithmPro/Con)

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

技术分享图片

Python

当然Python有很多在线资源。 对于本节只包括所遇到的最好的速查表。

算法(Algorithms)

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

技术分享图片

Python基础(Python Basics)

来源:http://datasciencefree.com/python.pdf

技术分享图片

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

技术分享图片

Numpy

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

技术分享图片

来源:http://datasciencefree.com/numpy.pdf

技术分享图片

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

技术分享图片

来源:

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

技术分享图片

Pandas

来源:

http://datasciencefree.com/pandas.pdf

技术分享图片

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

技术分享图片

来源:

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

技术分享图片

Matplotlib

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

技术分享图片

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

技术分享图片

Scikit Learn

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

技术分享图片

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

技术分享图片

来源:

https://github.com/rcompton/ml_cheat_

sheet/blob/master/supervised_learning.ipynb

技术分享图片

Tensorflow

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

技术分享图片

Pytorch

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

技术分享图片

数学(Math)

如果你真的想了解机器学习,那么需要对统计(特别是概率)、线性代数和微积分的理解打下坚实的基础。在本科期间我辅修数学,但是我肯定需要复习这些知识。 这些速查表提供了大多数需要了解最常见的机器学习算法背后的数学。

概率(Probability)

来源:

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

技术分享图片

线性代数(Linear Algebra)

来源:

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

技术分享图片

统计学(Statistics)

来源:

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

技术分享图片

微积分(Calculus)

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

技术分享图片

如果你想要所有的速查表,我把作者创建的包含所有27个速查表的zip文件搬到了墙内。网盘:https://pan.baidu.com/s/1hs7n8LQ 提取密码:bvq1 。欢迎下载!

原文参考:点击阅读全文可见(需FQ)。

「网路冷眼」,搜索「网路冷眼」即可关注

可能是史上最全的机器学习和Python(包括数学)速查表

标签:targe   ccf   pytorch   examples   data   mmu   架构   hub   lin   

原文地址:https://www.cnblogs.com/rianley/p/9035057.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!