数据科学速查表 2.0

这是一份实用的5页数据科学速查表，可用于考试复习、面试准备以及其他相关场景。它涵盖了超过一个学期的机器学习入门内容，并基于麻省理工学院的机器学习课程6.867和15.072。读者应至少具备基本的统计学和线性代数知识，不过初学者同样可以从中受益。

本速查表灵感来源于Maverick的《数据科学速查表》（因此命名为2.0），原链接为这里。

涵盖的主题：

• 线性回归与逻辑回归
• 决策树与随机森林
• 支持向量机 (SVM)
• K近邻算法
• 聚类分析
• 提升方法
• 降维技术（主成分分析PCA、线性判别分析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
• 时间序列分析
• A/B测试

本速查表会不定期更新新的或改进的内容，建议关注或点赞以获取最新信息。

未来计划添加的内容（欢迎提出建议）：

• 时间序列 已添加！
• 统计与概率 已添加！
• 数据插补
• 生成对抗网络
• 图神经网络

链接

• 数据科学速查表 2.0 PDF

截图

以下是几页的截图——完整速查表的链接在上方！

为什么本速查表没有涵盖Python/SQL？

我计划让这份资源主要聚焦于算法、模型和概念，因为这些内容相对稳定，在各行业中通用性较强。而具体的编程语言和数据结构则往往因岗位需求而异，因此在实际工作中通过动手练习来掌握这些技能可能比纸上学习更有效。

许可协议

欢迎在课堂、复习课或其他场合分享此资源，赠予任何可能需要帮助的人 :)

本作品采用知识共享署名-非商业性使用-相同方式共享4.0国际许可协议授权。

图片用于教育目的，由本人创作，或借自我的同事此处。

联系方式

欢迎提出意见、更新建议及潜在改进方案！

作者：Aaron Wang LinkedIn

如果您想支持这份速查表，可以通过这里请我喝杯咖啡。此外，我也提供简历、申请材料和技术咨询服务，感兴趣的话请随时联系我。

Data-Science-Cheatsheet 快速上手指南

Data-Science-Cheatsheet 并非传统的代码库或软件工具，而是一份涵盖机器学习核心算法与概念的五页速查表（PDF 格式）。它基于 MIT 机器学习课程（6.867 和 15.072）整理而成，适用于考试复习、面试准备及日常查阅。由于是静态文档资源，无需安装环境或依赖包。

环境准备

• 系统要求：任意操作系统（Windows, macOS, Linux），只要能运行 PDF 阅读器即可。
• 前置依赖：
  • 一款 PDF 阅读软件（如 Adobe Acrobat, Chrome, Edge, 或 WPS Office）。
  • 基础统计学与线性代数知识（有助于更好地理解内容，但非强制）。
  • Git（可选，仅用于克隆仓库获取最新源码或图片）。

获取方式

由于该工具为文档资源，推荐使用以下两种方式获取：

方式一：直接下载 PDF（推荐）

直接访问官方仓库下载编译好的高清 PDF 文件：

# 使用 wget 下载 (Linux/Mac)
wget https://github.com/aaronwangy/Data-Science-Cheatsheet/raw/main/Data_Science_Cheatsheet.pdf

# 或使用 curl 下载
curl -L -O https://github.com/aaronwangy/Data-Science-Cheatsheet/raw/main/Data_Science_Cheatsheet.pdf

注：国内用户若下载缓慢，可尝试在浏览器中直接打开上述链接并保存，或使用 GitHub 加速代理服务。

方式二：克隆仓库

如果你需要查看原始图片、贡献内容或本地浏览：

git clone https://github.com/aaronwangy/Data-Science-Cheatsheet.git
cd Data-Science-Cheatsheet

基本使用

本工具的核心用法是阅读与检索。打开下载的 Data_Science_Cheatsheet.pdf 文件即可开始使用。

使用示例

1. 面试准备： 打开 PDF，跳转至第 2-3 页，快速回顾 Support Vector Machines (SVM) 的决策边界公式与核函数技巧，或查看 Random Forest 的偏差 - 方差权衡图解。

2. 算法对比： 在目录或搜索栏（Ctrl+F / Cmd+F）中输入关键词，例如 Clustering，即可对比 K-Means 与层次聚类的适用场景及优缺点。

3. 模型速查： 在进行项目建模时，查阅 Neural Networks 章节，快速确认反向传播的梯度更新规则或常见激活函数（ReLU, Sigmoid）的特性。

涵盖主题速览

文档共 5 页，覆盖以下核心领域：

• 回归与分类（线性/逻辑回归，决策树，SVM，KNN）
• 集成学习（Boosting, Random Forest）
• 无监督学习（聚类，降维 PCA/LDA）
• 深度学习基础（神经网络，NLP 基础）
• 高级主题（强化学习，异常检测，时间序列，A/B 测试）

提示：该速查表专注于算法原理与数学概念，不包含 Python 或 SQL 的具体代码实现，旨在提供跨语言的通用理论支持。