《 机器学习实战》（Machine Learning in Action) 一书 中的错误之处（内容、代码）

最新推荐文章于 2020-05-15 21:02:36 发布
原创 最新推荐文章于 2020-05-15 21:02:36 发布 · 2.9k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习实战 中 的错误 #机器学习 #Machine Learing in A

本文记录了在学习机器学习过程中发现的一本书中的错误，并提出了修正建议。具体指出书中中文版第22页（英文版第26页）的一段代码需要修改。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近在学 机器学习，发现此书有错误的地方，写成博客，方便以后查找。（慢慢更新中……）


1.中文书第22页（英文版第26页）中 有一行代码：

classLabelVector.append(int(listFromLine[-1]))

应该改为：
classLabelVector.append(str(listFromLine[-1])) 或者
classLabelVector.append(listFromLine[-1])




















                

        

    

    
  



    



                



	

		

			

				
					
机器学习实战 第九章 源码勘误

				
			

			

				

					slicer的技术交流栈
				

				

					04-28
					
					4001
					
				

			

		

		

			
				
机器学习实战 第九章 源码勘误
    最近学习了《机器学习实战》这本书的第九章-树回归，发现代码运行出错，就试着改了改，跟大家分享一下。
    这一章的代码总共有两个python文件，《regTrees.py》和《treeExplore.py》，其中《regTrees.py》有两个错。
先贴上原版的《regTrees.py》

'''
Created on Feb 4, 2011
T

			
		

	



                

            
              



	

		

			

				
					
机器学习实战Machine Learning In Action 中的KNN代码详细解释

				
			

			

				

					u012815879的专栏
				

				

					05-16
					
					943
					
				

			

		

		

			
				
首先，是构造一个分类器函数classify0（），代码如下：def classify0(inX, groups, lables, key): 
    dataSetSize = groups.shape[0] 
    diffMat = tile(inX, (dataSetSize, 1)) - groups 
    sqDiffMat = diffMat**2 
    sqDistance

			
		

	



              


  
              

                


	

		

			

				
					
竟然发现《Machine Learning in Action》中的代码错误

				
			

			

				

					jianwenking的博客
				

				

					04-20
					
					307
					
				

			

		

		

			
				
最近学习机器学习的入门书《Machine Learning in Action》，在第三章 决策树算法时候，按照书本的代码敲了一遍，最后总出现错误，error: List index out of range; 后来慢慢往前推敲，发现书中在实现createTree(dataSet,Labels)函数的时候，逻辑是当特征值都用完时返回标签出现最多次数的标签，然而书中代码为if (len(data...

			
		

	





	

		

			

				
					
【ML/DL】python3学习《机器学习实战》书中的报错及解决办法

				
			

			

				

					xiangxiang613的专栏
				

				

					05-26
					
					3440
					
				

			

		

		

			
				
python3学习《机器学习实战》书中的报错及解决办法（更新中）

《机器学习实战》是一本很不错的书，其采用的是py2的语法格式，在用最新的python3.6编写代码的过程中，书中有一些代码因为格式不对就会报错，本人记录了学习过程中遇到的BUG，综合了网上的解决办法，现整理如下，供后来者参考

第二章 KNN

BUG1.程序清单2 - 2 将文本记录到转换NumPy的解析程序 
报错：

Val...

			
		

	



		

			
		



	

		

			

				
					
关于机器学习实战书上22页代码纠正

				
			

			

				

					wuichuan的博客
				

				

					12-08
					
					347
					
				

			

		

		

			
				
机器学习实战书上第22页代码，注意下，文章里面是

datingDataMat, datingLabels = KNN.file2matrix('datingTestSet.txt')
这个结合它给的测试数据和源代码，调用时打死也跑不出来的
改为datingDataMat, datingLabels = KNN.file2matrix('datingTestSet2.txt')
用第二个

			
		

	





	

		

			

				
					
《机器学习实战》一书错误解决（二）zz

				
			

			

				

					elfffin小精灵的博客
				

				

					06-08
					
					674
					
				

			

		

		

			
				
在做《机器学习实战》第九章的实验，使用Tkinter和matplotlib绘制回归树和模型树时，代码没有问题但是抛出了如下错误
ValueError: Masked arrays must be 1-D
Fatal Python error: PyEval_RestoreThread: NULL tstate
This application has requested the Runtime t...

			
		

	





	

		

			

				
					
Machine Learning in Action (机器学习实战).zip

				
			

			

				

					04-09
				

			

		

		

			
				
随着统计学的发展，统计学习在机器学习中占据了重要地位，支持向量机（SVM）、决策树和随机森林等算法的提出和发展，使得机器学习能够更好地处理分类、回归和聚类等任务。进入21世纪，深度学习成为机器学习领域的...

			
		

	





	

		

			

				
					
机器学习实战_Machine_Learning_in_Action.pdf

				
			

			

				

					09-14
				

			

		

		

			
				
"机器学习实战_Machine_Learning_in_Action.pdf"  机器学习实战是指通过实践和应用机器学习算法来解决实际问题的过程。在本书中，我们将学习机器学习的基础知识，包括k-近邻算法、决策树、基于概率论的分类方法、...

			
		

	





	

		

			

				
					
Machine Learning in Action 机器学习实战书籍源码学习.zip

					
最新发布

				
			

			

				

					04-29
				

			

		

		

			
				
机器学习是一种程序，可以分析数据并学习预测结果。 从何处开始？ 在本教程中，我们将回到数学并研究统计学，以及如何根据数据集计算重要数值。 我们还将学习如何使用各种 Python 模块来获得所需的答案。 并且，我们...

			
		

	





	

		

			

				
					
Machine_learning_in_action Sample codes 机器学习实战 详解代码.zip

				
			

			

				

					04-16
				

			

		

		

			
				
机器学习 (Machine Learning) 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科。    机器学习的用途    机器学习是一种通用的数据处理技术，其包含了大量...

			
		

	





	

		

			

				
					
Machine Learning in action一书中代码实现.zip

				
			

			

				

					04-25
				

			

		

		

			
				
通过阅读《机器学习实战》这本书和实践书中的代码，你可以更好地理解这些基础机器学习算法的工作原理，同时也能提升编程技能。在实际项目中，你可以根据问题类型和数据特性选择合适的模型，不断优化和调整参数，以...

			
		

	





	

		

			

				
					
Machine Learning In Action pdf

				
			

			

				

					07-28
				

			

		

		

			
				
Machine Learning In Action filetype:pdf
机器学习的python实践

			
		

	





	

		

			

				
					
小白学习Machine Learning in Action-机器学习实战------决策树

				
			

			

				

					HelloWorld
				

				

					08-27
					
					1035
					
				

			

		

		

			
				
书中说：k近邻算法可以完成很多分类任务，但它最大的缺点就是无法给出数据的内在含义，决策树的主要优势就在于数据形式很容易理解。决策树可以使用不熟悉的数据集合，并从中提取出一系列规则，机器学习算法最终使用这些机器从数据集中创造的规则。
决策树算法的学习分为如下几个步骤：
一、从数学上讨论如何划分数据集。
划分数据就要找到其决定性作用的特征，即分类效果最好的那个特征，所以要逐个评估每一个特征。完成

			
		

	





	

		

			

				
					
《机器学习实战》源码解析（一）K-means

				
			

			

				

					qq_45393426的博客
				

				

					05-15
					
					523
					
				

			

		

		

			
				
所有源码经本人手撸实战，并一一注释。现公之于众，以免后来人踩坑！
from numpy import *
#数据清洗函数
#输入：数据源文件
#输出：格式化数据的矩阵形式
def loadDataSet(fileName):
    dataMat =[]
    fr = open(fileName)
    for line in fr.readlines():
        curLine = line.strip().split('\t')#格式化，去除空格以及制表符
        #警告：原书

			
		

	





	

		

			

				
					
机器学习实战——第十章：K-mean聚类

				
			

			

				

					mmc2015的专栏
				

				

					06-29
					
					2109
					
				

			

		

		

			
				
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。




python：建议使用2.7

python常用函数库：NumPy、scikit-learn等


python集成环境：anaconda




毕业季，玩了20天。






优点：

1、编程容易实现。




缺点：


			
		

	





	

		

			

				
					
【机器学习实战笔记(3-3)】关于朴素贝叶斯实现代码中的一些错误总结

				
			

			

				

					好想成为大佬啊的博客
				

				

					05-23
					
					1084
					
				

			

		

		

			
				
《机器学习实战》第4章，代码实现过程中遇到的一些问题，及解决方法。

			
		

	





	

		

			

				
					
机器学习实战代码方法总结

				
			

			

				

					czc的博客
				

				

					03-19
					
					494
					
				

			

		

		

			
				
机器学习实战
学习过程中有关代码的每个方法的记录（随后添加解释，包括实现、输入、输出等）。
k近邻算法
# kNN.py
def createDataSet()
def classify0(inX,dataSet,labels,k)
def file2matrix(filename)
def autoNorm(dataSet)
def datingClassTest()
def classifyP...

			
		

	





	

		

			

				
					
Machine Learning In Action

				
			

			

				

					人上人酿酒师的博客
				

				

					07-19
					
					528
					
				

			

		

		

			
				
KNN近邻算法


计算目标点与样本集中的点的距离按距离递增排序选取与目标点距离最下的K个点确定前K个所在类别的频率返回前K个出现频率最高的类别作为目标点的预测分类

from numpy import  * #导入numpy函数库
import  operator#导入操作符

    #创建数据集
def createDateSet():
    group=array([[1.0,

			
		

	





	

		

			

				
					
实战机器学习：Machine Learning in Action解析

				
			

			

				

					
				

			

		

		

			
				
在《Machine Learning in Action》中，作者Peter Harrington系统地讲解了机器学习的基本原理和实战技巧。这本书覆盖了从数据预处理、模型选择到评估和优化等多个关键环节，旨在将理论知识与实际操作相结合，使读者...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 4

	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值