版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/google19890102/article/details/77996085
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 shift | 12.3.2 DBSCAN |
26 | (程序清单1-11:第11行)h | result |
33 | (程序清单2-3:第8行参数)feature, label, k, 5000, 0.2 | feature, label, k, 10000, 0.4 |
34 | (开始的代码:第9行)float | int |
45 | (公式第二行) | |
46 | (整页的四处) | |
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, 0.01 | labelTrain, 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.txt | test_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) | |
70 | (中间公式 的第二行) | |
70 | (最下面公式) | |
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)dataTest | data |
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)800 | 50 |
150 | (程序清单7-10:第3行)data.txt | data_test.txt |
152 | (7.5.1中的高斯核中的分子) | |
160 | (第10行公式) | |
160 | (第12行公式) | |
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 Shift | DBSCAN |
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 | ||
29 | 中间的 ,很多读者反应看不懂,对其进行修改 |
|
29 | ||
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 |