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:
