该手册只有130页，整理了几乎所有关机机器学习的概念、模型、基础知识点，它将帮助读者快速回顾关于机器学习相关的核心知识点和重要公式、模型、概念。涉及概率模型、处理离散数据的生成模型、高斯模型、贝叶斯模型、统计模型、现性回归、逻辑回归、有向图模型、现性生成模型、隐马尔科夫模型、核模型等等，非常适合正在准备机器学习相关的工作面试的读者。
书籍来源：https://github.com/soulmachine/machine-learning-cheat-sheet
文末附本书免费下载地址。
本书目录
本书免费pdf下载地址
微信公众号“生信宝典”回复关键字“ml2020”获取下载地址
与之相对应的中文书周志华老师的《机器学习》也是相当好（最近坐公交车一直在啃这本书，系统学习下）。
转载自：深度学习与NLP
机器学习系列教程
从随机森林开始，一步步理解决策树、随机森林、ROC/AUC、数据集、交叉验证的概念和实践。
文字能说清的用文字、图片能展示的用、描述不清的用公式、公式还不清楚的写个简单代码，一步步理清各个环节和概念。
再到成熟代码应用、模型调参、模型比较、模型评估，学习整个机器学习需要用到的知识和技能。
往期精品(点击图片直达文字对应教程)
机器学习
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
