今天分享一篇机器学习的文章。翻了一半，发现Linux中国已经翻译过了。。。干脆搬过来，还有一个姊妹篇《My Curated List of AI and Machine Learning Resources from Around the Web》，明天准备发这个。
原文地址是：Cheat Sheet of Machine Learning and Python (and Math) Cheat Sheets
译文地址是：https://linux.cn/article-8754-1.html
机器学习Machine Learning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。
机器学习领域的变化是日新月异的，我想这些可能很快就会过时，但是至少在 2017 年 6 月 1 日时，它们还是很潮的。
如果你想要这些图表，你无需向我一样一张张下载，只需要从这里点击下载就可以了。
如果你喜欢这篇文章，那就分享给更多人，如果你想感谢我，就到原帖地址点个赞吧。
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
来源： http://www.asimovinstitute.org/neural-network-zoo/
微软 Azure 算法流程图
来源： 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
来源： 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
来源： http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms
机器学习算法指引：
来源： 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
来源： https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend
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
来源： https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
Python 基础
来源： http://datasciencefree.com/python.pdf
来源： https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA
Numpy
来源： https://www.dataquest.io/blog/numpy-cheat-sheet/
来源： http://datasciencefree.com/numpy.pdf
来源： https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE
来源： https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb
Pandas
来源： http://datasciencefree.com/pandas.pdf
来源： https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U
来源： https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb
Matplotlib
来源： https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet
来源： https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb
Scikit Learn
来源： https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk
来源： http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html
来源： https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb
Tensorflow
来源： https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb
Pytorch
来源： https://github.com/bfortuner/pytorch-cheatshee
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
来源： http://www.wzchen.com/s/probability_cheatsheet.pdf
线性代数
来源： https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pd
统计学
来源： http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pd
微积分
来源： http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N
————开班喜讯————
温馨提醒：马哥教育Python自动化开发班将于8月28日在北京海淀上地开班，小班制魔鬼式授课，钜惠限时抢位中。
马哥教育2017年Python自动化运维开发实战班，马哥联合BAT、豆瓣等一线互联网Python开发达人，根据目前企业需求的Python开发人才进行了深度定制，加入了大量一线互联网公司：大众点评、饿了么、腾讯等生产环境真是项目，课程由浅入深，从Python基础到Python高级，让你融汇贯通Python基础理论，手把手教学让你具备Python自动化开发需要的前端界面开发、Web框架、大监控系统、CMDB系统、认证堡垒机、自动化流程平台六大实战能力，让你从0开始蜕变成Hold住年薪20万的Python自动化开发人才。
—Python学习免费交流QQ群：475035830（千人群）—
