数据科学家必藏的 16 份机器学习速查表
机器学习赋予计算机无需显式编程即可学习、适应、决策的能力。其过程类似数据挖掘，源于模式识别与计算学习理论。算法分监督（将过往经验泛化到新数据）与非监督（从数据推断推论）两大类。如 Facebook 信息流利用统计预测分析用户行为模式动态调整内容展示。
汇总 16 份实用速查表，助你快速掌握 AI 核心知识。
16. Scikit-Learn 算法选择流程图
最难往往是寻找最优估计器。流程图提供粗略指引：针对不同问题选择合适估计器。
15. 机器学习算法与 R 命令对照表
Ajitesh Kumar 制作，收录 10 大经典算法及对应 R 命令、包信息，适合入门者快速查阅。
14. 机器学习入门图解
Todd Jaquith 制作，通俗解释定义、历史、实现方式、流派与应用，新手友好。
13. 机器学习算法思维导图
面对海量算法易迷失，思维导图提供基准框架助你按需选算法。
12. Python 与 R 双语言代码速查
10 大常用算法的 Python/R 实现代码。两语言生态丰富（数据集、库、资源），大幅降低实现门槛。
11. 算法优劣势与库速查表
双表结构：首表汇总各算法优缺点；次表列出 Python/R 常用库，用时加载即用。
10. 面向 SEO 的机器学习系统图解
英国 Alchemy Viral 机构出品，深度解析 ML 系统如何影响 SEO 策略。
9. 主流机器学习算法简介
针对复杂真实数据问题的专用算法，入门级概览数据科学家常用顶级算法。
8. 监督/非监督学习算法 LaTeX 速查
Emanuel Ferm 整理，含线性分类器与聚类算法在小数据集上的应用要点。
7. 监督学习常用算法详解
Ryan Compton 制作，涵盖逻辑回归、决策树、KNN、朴素贝叶斯、SVM 等多方法详解。
6. 机器学习在移动消息中的应用
kahuna 图解企业如何用 ML 技术提升客户体验。
5. 机器学习核心方程与算法
Dr. Rico Möckel 整理，含多种方程算法及说明。
4. 综合机器学习速查表
广泛收录经典方程与图表，开发者速查、面试复习两相宜。
3. Emoji 版机器学习指南
Emily Barry 融合 Emoji 与算法，妙趣横生且知识密度高。
2. 预测分析模式速查
Dzone 出品，覆盖预测分析、训练/测试集划分、模型代码片段。
1. Microsoft Azure Machine Learning 算法选择指南
Azure Studio 提供回归、聚类、分类、异常检测四大族算法，各针对不同 ML 问题，助选最优模型。
工业技术