Zi 字媒體

新手學習機器學習很難，就是收集資料也很費勁。所幸Robbie Allen從不同來源收集了目前最全的有關機器學習、Python和相關數學知識的速查表大全。強烈建議收藏！機器學習有很多方面。 當我開始刷新這個主題時，我遇到了各種「速查表」，僅僅列出了需要知道的給定主題的所有要點。 最後，我收集了與機器學習相關的速查表。有些我經常參考，認為其他人也可能從中受益。因此， 這篇文章把我在網上發現的很好的27個速查表分享出來，以供大家參考。 機器學習（Machine Learning）有不少有用的流程圖和機器學習演算法表。 這裡只包括所發現的最全面的速查表。 Microsoft Azure演算法流程圖（Microsoft AzureAlgorithm Flowchart） 演算法總結（AlgorithmSummary） 演算法優缺點（AlgorithmPro/Con） Python當然Python有很多在線資源。 對於本節只包括所遇到的最好的速查表。 演算法（Algorithms） Python基礎（Python Basics） Numpy 來源： Pandas 來源：https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U 來源：Matplotlib來源： 來源： Scikit Learn 來源： 來源：sheet/blob/master/supervised_learning.ipynb Tensorflow來源： Pytorch 數學（Math） 如果你真的想了解機器學習，那麼需要對統計（特別是概率）、線性代數和微積分的理解打下堅實的基礎。在大學部期間我輔修數學，但是我肯定需要複習這些知識。 這些速查表提供了大多數需要了解最常見的機器學習演算法背後的數學。 概率（Probability） 來源： 線性代數（Linear Algebra）來源： 統計學（Statistics）http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf 微積分（Calculus）如果你想要所有的速查表，我把作者創建的包含所有27個速查表的zip文件搬到了牆內。網盤：https://pan.baidu.com/s/1hs7n8LQ 提取密碼：bvq1 。歡迎下載！原文參考：點擊閱讀全文可見（需翻牆）。作者：Robbie Allen關注 AI 研習社后，回復【1】獲取轉載聲明：本文轉載自「網路冷眼」，搜索「網路冷眼」即可關注。