机器学习中的数学原理和公式推导还是非常重要的，但知识点较为繁杂，且不易整理！今天推荐一份开源的《机器学习速查手册》，并且制作成了电子版 PDF，方便大家查阅~
这份手册最大的特点就是包含许多关于机器学习的经典公式和图表，有助于您快速回忆有关机器学习的知识点。非常适合那些正在准备与机器学习相关的工作面试的人。
Frank Dai 是这份手册的作者，他已经将这份机器学习速查手册开源并发布在 GitHub 上了，目前已经收到 2.9k stars 了。
项目地址：
https://github.com/soulmachine/machine-learning-cheat-sheet
值得一提的是，该手册作者是使用 LaTeX 编写，并且开源，作者提供了如何在 Windows 下编译的方法。详细方法可在 GitHub 项目上获取。
该手册虽然只有 135 页，但麻雀虽小五脏俱全，包含了 28 个主题内容，目录如下：
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 章内容，但是知识点非常精简，包含各种机器学习公式和图表。例如第2 章的概率论，关于条件概率的讲解：
线性回归章节中，包含 SGD 算法的推导：
第 14 章，作者把核函数总结得很好，不止于 SVM，介绍的和函数包括：
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，作者也做了总结，包括 SVM。
值得一提的是，这份机器学习速查手册作者嗨一直在更新，后面的章节内容还没有完成。
最后再放上该 GitHub 地址：
https://github.com/soulmachine/machine-learning-cheat-sheet
资源下载：
为了节约大家的时间，小编已经将这份《神经网络与深度学习》电子版 PDF 打包好了。获取步骤如下：
1. 扫描下方二维码关注 "程序员爱码士" 公众号
2. 公众号后台回复关键词：MLCH
