很多人因为人工智能的大火，转变了职业规划或研究方向，开始了学习相关领域的知识之路，虽说人工智能领域应用很广泛，涉及到的知识的也很广泛，但机器学习作为基础知识是每个人必须要了解的知识。
机器学习的相关资料相信网上有很多，但很多都不成体系，只靠一些零碎的知识点是难以学好机器学习相关知识的，并且机器学习的一些概念很抽象难以理解，故知道一些高质量的网站和文章，对于初学者是很有帮助的。下面我整理了最近几年在学习中的遇到的网站和文章，希望能帮助大家学习：
目录
网站：
scikit-learn官方网址
人工智能博客
github学习资料
公式推导
机器学习过程可视化
相关库
绘图网站
机器数据仓库
网站：
scikit-learn官方网址
这个网址包含了机器学习的基础知识，你在博客看到的一些内容，大部分都是从它上面来的，不要因为的它是英文就害怕，可以使用浏览器的翻译工具辅助查看，
scikit-learn: machine learning in Python — scikit-learn 1.0 documentation
https://scikit-learn.org/stable/index.html
人工智能博客
你要觉得scikit-learn这个网址读起来很吃力，那么下面这个网址很适合你，这个网站不必scikit-learn差，对于小白来说很友好。
人工智能从入门到放弃-Sklearn实战（目录） - 十七岁的有德 - 博客园全新的机器学习大纲，机器学习十大算法应有尽有，每一个算法都配套一个小实例，如鸢尾花分类、波士顿房价预测、葡萄酒质量检测、乳腺癌判断、垃圾邮件分类、手写数字识别、推荐系统……实现了对每一个优化算
https://www.cnblogs.com/nickchen121/p/11686958.html
github学习资料
当然机器学习这么重要，肯定有优秀的github项目，下面就该项目的网址，希望能帮助到你。
https://github.com/apachecn/AiLearninggithub.com
公式推导
当然优秀的人总想搞明白机器学习后面的原理，不满足于代码层面的东西，但学习机器学习经典书籍有点困难，
Bilibili-机器学习白板系列 · 语雀
南瓜书PumpkinBookhttps://datawhalechina.github.io/pumpkin-book/#/
机器学习过程可视化
学习过程中，总对一些模型的参数，没有清晰地认识，那么这个网址可以帮助你，只需要调整几个参数，就可以看到相关的训练过程，是不是很激动！！！
Feature Crosses: Playground Exercises | Machine Learning Crash Course
https://developers.google.cn/machine-learning/crash-course/feature-crosses/playground-exercises
相关库
相信你在后续学习中，会接触到xgboost这个算法，那么就需要安装对应地库，到时你就可以下载了，当然这个网站也包含了其他的库，当你遇到pip install老是失败的时候，就可以用到这个网站了。
https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboosthttps://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost
绘图网站
在数据分析中或在训练机器模型的过程中，可视化是必不可少，该网站提供了大量的相关案例，只需修改一个地方，即可将结果很形象地展示出来：
Gallery — Matplotlib 3.4.3 documentationhttps://matplotlib.org/stable/gallery/index.html
机器数据仓库
你是不是遇到在学习各种算法时，没有数据的情况的，那么这个网站可以帮助你，该网站博包含了大部分机器学习案例案例常用的数据集，可以按照需求手动下载数据。
UCI Machine Learning Repositoryhttp://archive.ics.uci.edu/ml/index.php
以上就是一些常用的学习网址和资料，希望能帮助大家的学习！！
我撤了！！
