Data-Science-Cheatsheet - 一份有用的 5 页机器学习备忘单，可帮助进行考试复习、面试准备以及介于两者之间的任何事情。
Created at: 2021-02-05 14:01:57
Language: TeX
数据科学速查表 2.0
一份有用的 5 页数据科学备忘单，可帮助进行考试复习、面试准备以及介于两者之间的任何事情。它涵盖了一个学期的介绍性机器学习，并基于 MIT 的机器学习课程 6.867 和 15.072。读者至少应该对统计和线性代数有基本的了解，尽管初学者可能会发现此资源也很有帮助。
灵感来自 Maverick 的数据科学备忘单（因此得名 2.0），位于此处。
涵盖的主题：
- 线性和逻辑回归
- 决策树和随机森林
- 支持向量机
- K-最近邻
- 聚类
- 提升
- 降维（PCA、LDA、因子分析）
- 自然语言处理
- 神经网络
- 推荐系统
- 强化学习
- 异常检测
- 时间序列
- A/B 测试
此备忘单将不时更新新/改进的信息，因此请考虑关注或关注以保持最新状态。
未来的补充（欢迎提出想法）：
-
时间序列添加！ -
统计和概率添加！ - 数据插补
- 生成对抗网络
链接
截图
这是几个页面的屏幕截图 - 完整备忘单的链接在上面！
为什么 Python/SQL 没有包含在这个备忘单中？
我计划让这个资源主要涵盖算法、模型和概念，因为这些很少改变并且在整个行业中都很常见。技术语言和数据结构通常因工作方法而异，在键盘上刷新这些技能可能比在纸上更有意义。
授权协议
随时在课堂、复习课或任何可能觉得有用的人中分享此资源:)
本作品已根据知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议获得许可
图像用于教育目的，创造了由我，或者从我的同事借了这里
接触
随时提出意见、更新和潜在的改进建议！
作者 - Aaron Wang
About
Author：aaronwangy
热门帖子
热门github
1
2
3
5
6
7
8
11
13
14
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)