机器学习备忘录

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

本文收集了一些常见的“知识点”，以备您的不时之需。

NumPy

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

Pandas

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

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

Matplotlib

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

Seaborn

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

Scipy

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

Scikit-learn

来源: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet

Jupyter Notebook

来源: https://www.datacamp.com/community/blog/jupyter-notebook-cheat-sheet

Keras

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

Tensorflow

来源: https://www.altoros.com/tensorflow-cheat-sheet.html

PyTorch

来源: https://medium.com/@gurvinder630/b706092b5913

神经网络

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

微积分

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

线性代数

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

概率

来源: https://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf

统计

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

以上。