《Python机器学习算法》勘误

2024年5月12日 195次阅读

本书在出版的过程中已经经过详细的检查，但是大小问题依旧存在，感谢各位细心的读者为本书指出的错误。

  • 第34页的错误在Python2.7.9版本上不会报错。

第1版第一次印刷勘误

页码原文修改
XVI（目录）12.3.2 Mean shift12.3.2 DBSCAN
26（程序清单1-11：第11行）hresult
33（程序清单2-3：第8行参数）feature, label, k, 5000, 0.2feature, label, k, 10000, 0.4
34（开始的代码：第9行）floatint
45（公式第二行） 12∑ni=1∑nj=i+1 1 2 ∑ i = 1 n ∑ j = i + 1 n 12∑ni=1∑nj=1 1 2 ∑ i = 1 n ∑ j = 1 n
46（整页的四处） [1−σ(y^y)] [ 1 − σ ( y ^ y ) ] [σ(y^y)−1] [ σ ( y ^ y ) − 1 ]
48（文本的第三行）度超参数
48（程序清单3-2：第4行）FM模型的度FM模型的超参数
49（文本的第二行）模型的度模型的超参数
50（程序清单3-5：第8行）labelTrain, 3, 5000, 0.01labelTrain, 3, 10000, 0.01
52（程序清单3-7：倒数第2行）result.append(str(pre))result.append(pre)
55（程序清单3-10：第3行）data.txttest_data.txt
57（程序清单3-13：第7行）f.write(“\n”.join(result))f.write(“\n”.join(str(x) for x in result))
68（4.4.2中第一个公式：高斯核的分子） ∥∥X(i)−X(j)∥∥ ‖ X ( i ) − X ( j ) ‖ ∥∥X(i)−X(j)∥∥2 ‖ X ( i ) − X ( j ) ‖ 2
70（中间公式 W(α2) W ( α 2 ) 的第二行） ((M2−α2y(2))+α2) ( ( M 2 − α 2 y ( 2 ) ) + α 2 ) ((M2−α2y(2))y(1)+α2) ( ( M 2 − α 2 y ( 2 ) ) y ( 1 ) + α 2 )
70（最下面公式） (K11+K22α2−2K12)α2 ( K 11 + K 22 α 2 − 2 K 12 ) α 2 (K11+K22−2K12)α2 ( K 11 + K 22 − 2 K 12 ) α 2
104（代码的第14行）data_tmp.append(data[i][fea])data_tmp.append(data[index[i]][fea])
104（代码的第15行）data_tmp.append(data[i][-1])data_tmp.append(data[index[i]][-1])
133（程序清单6-14：第13、17行）dataTestdata
141（7.3中第3行）然后把二次模型然后把二次函数
147（程序清单7-7：第11行）80050
150（程序清单7-10：第3行）data.txtdata_test.txt
152（7.5.1中的高斯核中的分子） ∣∣Xi−X∣∣ | X i − X | ∥∥Xi−X∥∥2 ‖ X i − X ‖ 2
160（第10行公式） B−1k+1=(I−skyTkyTksk)TB−1k−(I−yksTkyTksk)+sksTkyTksk B k + 1 − 1 = ( I − s k y k T y k T s k ) T B k − 1 − ( I − y k s k T y k T s k ) + s k s k T y k T s k B−1k+1=(I−skyTkyTksk)TB−1k(I−yksTkyTksk)+sksTkyTksk B k + 1 − 1 = ( I − s k y k T y k T s k ) T B k − 1 ( I − y k s k T y k T s k ) + s k s k T y k T s k
160（第12行公式） Hk+1=(I−skyTkyTksk)THk−(I−yksTkyTksk)+sksTkyTksk H k + 1 = ( I − s k y k T y k T s k ) T H k − ( I − y k s k T y k T s k ) + s k s k T y k T s k Hk+1=(I−skyTkyTksk)THk(I−yksTkyTksk)+sksTkyTksk H k + 1 = ( I − s k y k T y k T s k ) T H k ( I − y k s k T y k T s k ) + s k s k T y k T s k
198（程序清单10-5：第16行）争取穷正无穷
219（最后一行文本）如图11.4所示如图11.7所示
224（第一行文本：两处）图12.2图12.3
230（本处遗忘了distance函数）请参阅代码中的distance函数
234（小标题12.3.2）Mean ShiftDBSCAN
237（13.1.1下第2行）节点，之间节点之间
316（18.4.1下import代码下面增加）batch_size = 128

第1版第二次印刷勘误

页码原文修改
17 Wj=Wj+α▽Wj(lW,b) W j = W j + α ▽ W j ( l W , b ) Wj=Wj−α▽Wj(lW,b) W j = W j − α ▽ W j ( l W , b )
29中间的 ▽θjJ(θ) ▽ θ j J ( θ ) ，很多读者反应看不懂，对其进行修改 ▽θjJ(θ)=−1m∑i=1m[▽θj∑j=1kI{y(i)=j}logeθTjX(i)∑kl=1eθTlX(i)] ▽ θ j J ( θ ) = − 1 m ∑ i = 1 m [ ▽ θ j ∑ j = 1 k I { y ( i ) = j } l o g e θ j T X ( i ) ∑ l = 1 k e θ l T X ( i ) ] 当 y(i)=j y ( i ) = j 时， ▽θjJ(θ)=−1m∑i=1m[∑kl=1eθTlX(i)−eθTjX(i)∑kl=1eθTlX(i)⋅X(i)] ▽ θ j J ( θ ) = − 1 m ∑ i = 1 m [ ∑ l = 1 k e θ l T X ( i ) − e θ j T X ( i ) ∑ l = 1 k e θ l T X ( i ) ⋅ X ( i ) ] 当 y(i)≠j y ( i ) ≠ j 时, ▽θjJ(θ)=−1m∑i=1m[−eθTjX(i)∑kl=1eθTlX(i)⋅X(i)] ▽ θ j J ( θ ) = − 1 m ∑ i = 1 m [ − e θ j T X ( i ) ∑ l = 1 k e θ l T X ( i ) ⋅ X ( i ) ]
29 θj=θj+α▽θjJ(θ) θ j = θ j + α ▽ θ j J ( θ ) θj=θj−α▽θjJ(θ) θ j = θ j − α ▽ θ j J ( θ )
47最后一行np.mat(dataTrain)np.mat(dataMatrix)
303图17.8下第6行“自编码圣经网络”自编码神经网络
点赞