[置顶] 《Python机器学习算法》勘误

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）12∑ni=1∑nj=i+112∑i=1n∑j=i+1n

12∑ni=1∑nj=112∑i=1n∑j=1n

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, 0.01

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）∥∥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(α2)W((M2−α2y(2))+α2)

((M2−α2y(2))y(1)+α2)((M2−α2y(2))y(1)+α2)

70

（最下面公式）(K11+K22α2−2K12)α2(K11+K22α2−2K12)α2

(K11+K22−2K12)α2(K11+K22−2K12)α2

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）∣∣Xi−X∣∣|Xi−X|

∥∥Xi−X∥∥2‖Xi−X‖2

160

（第10行公式）B−1k+1=(I−skyTkyTksk)TB−1k−(I−yksTkyTksk)+sksTkyTkskBk+1−1=(I−skykTykTsk)TBk−1−(I−ykskTykTsk)+skskTykTskB_{k+1}^{-1}=

B−1k+1=(I−skyTkyTksk)TB−1k(I−yksTkyTksk)+sksTkyTkskBk+1−1=(I−skykTykTsk)TBk−1(I−ykskTykTsk)+skskTykTskB_{k+1}^{-1}=

160

（第12行公式）Hk+1=(I−skyTkyTksk)THk−(I−yksTkyTksk)+sksTkyTkskHk+1=(I−skykTykTsk)THk−(I−ykskTykTsk)+skskTykTskH_{k+1}=

Hk+1=(I−skyTkyTksk)THk(I−yksTkyTksk)+sksTkyTkskHk+1=(I−skykTykTsk)THk(I−ykskTykTsk)+skskTykTskH_{k+1}=

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

17

Wj=Wj+α▽Wj(lW,b)Wj=Wj+α▽Wj(lW,b)W_j=W_j+

Wj=Wj−α▽Wj(lW,b)Wj=Wj−α▽Wj(lW,b)W_j=W_j-

29

中间的▽θjJ(θ)▽θjJ(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)]▽θjJ(θ)=−1m∑i=1m[▽θj∑j=1kI{y(i)=j}logeθjTX(i)∑l=1keθlTX(i)]−eθjTX(i)∑l=1keθlTX(i)⋅X(i)],▽θjJ(θ)=−1m∑i=1m[−eθTjX(i)∑kl=1eθTlX(i)⋅X(i)]▽θjJ(θ)=−1m∑i=1m[−eθjTX(i)∑l=1keθlTX(i)⋅X(i)]\triangledown _

29

θj=θj+α▽θjJ(θ)θj=θj+α▽θjJ(θ)\theta _j=

θj=θj−α▽θjJ(θ)θj=θj−α▽θjJ(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