集体智慧编程--勘误(5章~10章)

chapter5 随机优化技术:

1.randomoptimize中,返回值应为bestr

2.geneticoptimize中,mute函数应该将所有路径都返回一个编译结果,否则会在后续的dorm测试中

报出异常,应该修改为:

3.crosscount中,应该添加float类型的强制类型转换,否则得出的结果仍然有交叉线

4.drawnetwork应该保存到本地文件,之后才能打开

chapter 7 决策树建模:

P167:如果使用从文件decision_tree_example.txt中加载数据,注意每一行最后一个元素会

附带一个‘\n‘要自行去除,否则会影响分类结果

chapter 8 构建价格模型:

P168:应该是随机产生300个测试数据
P172:应该一个坐标轴是权重,另一个是距离

输出结果错误:

P175:测试各权重函数时结果应该是

P181:相对rescale有时候带来的效果并没有那么显著

注意书上的代码和随书代码在产生wineset时,干扰参数的不同

P183:折扣店价格是一半

P188:没有做出Figure8-11的效果,我的效果图,

chapter 9 高阶分类:核方法与SVM:

P208如果milesdistance采用的是全部默认返回0,则P210 scaleinput应该修改为:

P213:nlclassify需要修改为:

P213 rbf函数调用的veclength代码如下:

对于libsvm的使用:需要到https://github.com/cjlin1/libsvm/releases下载v290版本,并且

需要用vc++2010进行编译生成自己平台的svmc.pyd文件放到python安装路径下的dll即可。

具体是进入libsvm-290的python文件夹执行python setup.py install即可。

chapter 10寻找独立特征:

P232页调用chapter6的drawdendrogram需要修改一处代码,处理编码问题:

P239:遇到矩阵中出现0的情况需要作特殊处理:

P271:tournament函数中存在作者的一个笔误,应该是:

时间: 2024-11-02 19:21:06

集体智慧编程--勘误(5章~10章)的相关文章

《集体智慧编程》 读书笔记 第二章

作为个人记录之用,主要是将代码及其注释贴出来. from math import sqrt critics={'Lisa Rose': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.5, 'Just My Luck': 3.0, 'Superman Returns': 3.5, 'You, Me and Dupree': 2.5, 'The Night Listener': 3.0}, 'Gene Seymour': {'Lady in th

集体智慧编程_第二章(提供推荐)_1

前言:最近正在拜读Toby Segaran先生写的集体智慧编程,首先感谢Toby Segaran先生将知识以书本的方式传播给大家,同时也感谢莫映和王开福先生对此书的翻译,谢谢各位的不辞辛苦.首先在写随笔之前,跟各位分享一下我的编程环境:win7系统,python版本是2.7.10,开发环境我选择的是pycharm程序.本书的第一章为集体智慧导言,主要介绍的何为集体智慧和机器学习的相关概念和其局限性,以及与机器学习相关的例子和应用场景.下面开始机器学习第二章--提供推荐的相关内容. 本章主要内容:

集体智慧编程--勘误表(1-4章)

最近在工作之余的时间在阅读集体智慧编程这本书,在随书码字的过程中遇到的一些问题,就在这里记录一下: (注:下面的页码针对于英文的非影印版) chapter1 标题: 没什么说的,浏览下就好. chapter2 提供推荐: 1.书上的源码是基于python 2.x,而在3.x中print是被当作一个函数处理,所以要自己加上括号; 2.在P42利用del.icio.us提供的rss订阅源构建数据集时,这本书发布时间较长的原因,python api pydelicious的 很多接口已经发生了改变,这

读书笔记:集体智慧编程(1)

概述: 协作性过滤,是一种目前广泛运用于电子商务.交友网站.在线广告等互联网领域的一项技术.其主要作用是为指定用户在广大的用户群中找到品味相同或者相似的人,从而帮助网站针对性的推荐产品给特定的用户,与此同时,用户本人也可以从一堆纷繁复杂的信息中,迅速找到自己喜欢的.感兴趣的那部分信息. 其主要有两种实现方法,一种是基于用户的(user-based),即通过分析用户间的相似性,生成最近的邻居,将邻居中“得分”最高的项目推荐给用户:另一种是基于物品的(item-based),即通过分析用户群体对物品

集体智慧编程——决策树建模(上)

本文主要介绍一种非常流行的分类算法:决策树分类算法. 例子:一个网站上有多少用户会愿意为某些高级会员功能而支付费用. 步骤一:导入数据: 新建一个treepredict.py的问价,将下面数据写入.数据的具体信息分别是:来源网站,位置,是否读过FAQ,浏览网页数,选择服务类型. my_data=[['slashdot','USA','yes',18,'None'], ['google','France','yes',23,'Premium'], ['digg','USA','yes',24,'B

集体智慧编程——决策树建模(下)

一.决策树的显示: 前面我们已经得到了一棵决策树,下一步也许我们该进行数的浏览了.下面这段函数就是一个以纯文本的方式显示决策树的方法,虽然输出不是很美观,但是对于显示节点不是太多的树而言,这也是一种简单的方式. def printtree(tree,indent=''): if tree.results!=None: print str(tree.results) else: print str(tree.col)+':'+str(tree.value)+'?' print indent+'T-

集体智慧编程(一)推荐系统之欧里几德距离

在网上购物,听歌,看电影的网站上,网站都会根据我们的购物记录,听歌记录或着是观看记录给我们推荐一些商品,音乐或者是电影.那这些推荐系统是怎么实现的呢?首先,推荐一个东西,得是购物者所感兴趣的,那么怎么判断购物者对该物品感兴趣呢?那么,就得根据购物者的记录来判断了,假定购物者所购买的物品都是他所感兴趣的.那么跟该购物者的物品相似的物品就是可以推荐的,这种推荐是基于相似条目的.另外,可以相似的人会大都会有相同的爱好,因此可以根据购物者的该买记录找出相似的购物者,并把相似购物者购买的物品推荐出来,这就

集体智慧编程中相关章节对应论文数

准备开题报告了,先要熟悉一下领域范围,<集体智慧编程>参考一下论点.简单的思路是看一下哪个话题最热门,用google学术来衡量一下论文数,虽然不够精确但是足以反应一点什么. 当然是选择最近比较热门的,同时参考一下国内的论文数目情况. 关键字 总的 2014 国内总数 2014 推荐 2,480,000 42,600 223,124 2728 协同过滤 194,000 4,350 11,239 112 聚类 2,550,000 54,600 141,003 1598 搜索与排名 2,120,00

《集体智慧编程——导言》 有感

导言部分,截取一些概念.定义的东西如下: 什么是集体智慧 为了创造新的想法,而将一群人的行为.偏好或思想组合在一起: 什么是机器学习 机器学习是人工智能领域中与算法相关的一个子领域,它允许计算机不断的进行学习.大多数情况下,这相当于将一组数据传递给算法,并由算法推断出与这些数据的属性相关的信息——借助这些信息,算法就能够预测出未来有可能会出现的其他数据.这种预测是完全有可能的,因为几乎所有的非随机数据中,都会包含这样活那样的“模式”,这些模式的存在使机器得以据此进行规划.为了实现规划,机器会利用