可能是史上最全的機器學習和Python（包括數學）速查表
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算法表。 這裏只包括所發現的最全面的速查表。
神經網絡架構（NeuralNetwork Architectures）
來源：http://www.asimovinstitute.org/neural-network-zoo/
Microsoft Azure算法流程圖（Microsoft AzureAlgorithm Flowchart）
來源：https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet
SAS算法流程圖（SAS Algorithm Flowchart）
來源：http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
算法總結（AlgorithmSummary）
來源：http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/
來源: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/
算法優缺點（AlgorithmPro/Con）
來源：https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend
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。
算法（Algorithms）
來源：https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
Python基礎（Python Basics）
來源：http://datasciencefree.com/python.pdf
來源：https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA
Numpy
來源：https://www.dataquest.io/blog/numpy-cheat-sheet/
來源：http://datasciencefree.com/numpy.pdf
來源：https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE
來源：
https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb
Pandas
來源：
http://datasciencefree.com/pandas.pdf
來源：https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U
來源：
https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb
Matplotlib
來源：https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet
來源：https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb
Scikit Learn
來源：http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html
來源：http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html
來源：
https://github.com/rcompton/ml_cheat_
sheet/blob/master/supervised_learning.ipynb
Tensorflow
來源：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb
Pytorch
來源：https://github.com/bfortuner/pytorch-cheatsheet
數學（Math）
如果你真的想了解機器學習，那麽需要對統計（特別是概率）、線性代數和微積分的理解打下堅實的基礎。在本科期間我輔修數學，但是我肯定需要復習這些知識。 這些速查表提供了大多數需要了解最常見的機器學習算法背後的數學。
概率（Probability）
來源：
http://www.wzchen.com/s/probability_cheatsheet.pdf
線性代數（Linear Algebra）
來源：
https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf
統計學（Statistics）
來源：
http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf
微積分（Calculus）
來源：http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N
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文件搬到了墻內。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FQ）。
「網路冷眼」，搜索「網路冷眼」即可關註
可能是史上最全的機器學習和Python（包括數學）速查表