135 页的《机器学习速查手册》,公式、图表都有,附下载!
機器學(xué)習(xí)中的數(shù)學(xué)原理和公式推導(dǎo)還是非常重要的,但知識點較為繁雜,且不易整理!今天推薦一份開源的《機器學(xué)習(xí)速查手冊》,并且制作成了電子版 PDF,方便大家查閱~
這份手冊最大的特點就是包含許多關(guān)于機器學(xué)習(xí)的經(jīng)典公式和圖表,有助于您快速回憶有關(guān)機器學(xué)習(xí)的知識點。非常適合那些正在準備與機器學(xué)習(xí)相關(guān)的工作面試的人。
Frank Dai 是這份手冊的作者,他已經(jīng)將這份機器學(xué)習(xí)速查手冊開源并發(fā)布在 GitHub 上了,目前已經(jīng)收到 2.9k stars 了。
項目地址:
https://github.com/soulmachine/machine-learning-cheat-sheet
值得一提的是,該手冊作者是使用 LaTeX 編寫,并且開源,作者提供了如何在 Windows 下編譯的方法。詳細方法可在 GitHub 項目上獲取。
該手冊雖然只有 135 頁,但麻雀雖小五臟俱全,包含了 28 個主題內(nèi)容,目錄如下:
Introduction
Probability
Generative?models?for discrete data
Gaussian?Models
Bayesian statistics
Frequentist?statistics
Linear Regression
Logistic Regression
Generalized linear models and?the?exponential family
Directed graphical?models(Bayes nets)
Mixture models and?the EM algorithm
Latent linear models
Sparse?linear models
Kernels
Gaussian processes
Adaptive basis function models
Hidden?markov Model
State space models
Undirected graphical models(Markov random fields)
Exact inference for graphical models
Variational inference
More variational inference
Monte Carlo inference
Markov chain Monte Carlo (MCMC)inference
Clustering
Graphical model structure learning
Latent variable models?for discrete data
Deep learning
28 章內(nèi)容,但是知識點非常精簡,包含各種機器學(xué)習(xí)公式和圖表。例如第2 章的概率論,關(guān)于條件概率的講解:
線性回歸章節(jié)中,包含 SGD 算法的推導(dǎo):
第 14 章,作者把核函數(shù)總結(jié)得很好,不止于 SVM,介紹的和函數(shù)包括:
RBF kernels
TF-IDF kernels
Mercer (positive definite) kernels
Linear kernels
Matern kernels
String kernels
Pyramid match kernels
Kernels derived from probabilistic generative models
Kernel trick 是非常巧妙的,作者也做了總結(jié),包括 SVM。
值得一提的是,這份機器學(xué)習(xí)速查手冊作者嗨一直在更新,后面的章節(jié)內(nèi)容還沒有完成。
最后再放上該 GitHub 地址:
https://github.com/soulmachine/machine-learning-cheat-sheet
資源下載:
為了節(jié)約大家的時間,小編已經(jīng)將這份《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》電子版 PDF?打包好了。獲取步驟如下:
1. 掃描下方二維碼關(guān)注?"程序員愛碼士"?公眾號
2. 公眾號后臺回復(fù)關(guān)鍵詞:MLCH
總結(jié)
以上是生活随笔為你收集整理的135 页的《机器学习速查手册》,公式、图表都有,附下载!的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 专栏 | 基于 Jupyter 的特征工
- 下一篇: 程序猿的崛起,一篇文章看懂编程语言