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
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
关注福利
关注AI科技大本营，进入公众号，回复对应关键词打包下载学习资料；回复“入群”，加入AI科技大本营学习群，和优秀的人一起成长！
回复：CCAI，下载 CCAI 2017嘉宾演讲干货（PPT）
回复：路径，128篇论文告诉你深度学习Paper阅读路径
回复：法则，《机器学习的四十三条经验法则》帮你踩坑
回复：美团，美团干货分享《深度学习在美团外卖的应用》、《NLP在美团点评的应用》
回复：沙龙，关于程序员转型AI这件事，三位老炮从产业、人才和实操跟你聊了这么些干货（PPT）
回复：对抗，李宏毅老师教你学生成式对抗学习（视频教程+PPT）
回复：AI报告，麦肯锡、波士顿、埃森哲等知名咨询公司专业解读AI行业
回复：银行，下载银行和证券公司的AI报告
回复：人才， 2017 领英《全球AI领域人才报告》告诉你AI人才的价值
回复：发展，下载2017 全球人工智能发展报告
回复：设计，帮你了解《人工智能与设计的未来》
回复：1986，重温李开复老师经典论文：1986年《评价函数学习的一种模式分类方法》和1990年《The Development of a World Class Othello Program》
回复：中美，腾讯研究院为你解读《中美两国人工智能产业发展全面解读》
人类感知外界信息，80%以上通过视觉得到。2015年，微软在ImageNet大赛中，算法识别率首次超越人类，视觉由此成为人工智能最为活跃的领域。为此，AI100特邀哈尔滨工业大学副教授、视觉技术研究室负责人屈老师，为大家介绍计算机视觉原理及实战。扫描上图二维码或加微信csdn02，了解更多课程信息。
相关内容
微信扫码咨询专知VIP会员