apachecn/ailearning

AiLearning：数据分析+机器学习实战+线性代数+PyTorch+NLTK+TF2

ailearning's Issues

为这个仓库的内容生成了电子书

机器学习实战（ApacheCN）.pdf

小疑问

py 3.x是趋势，为什么默认展示的md文本是2.x？能否更新为3.x呢?

ApacheCN

http://ailearning.apachecn.org/

ApacheCN 专注于优秀项目维护的开源组织

第9章_树回归 - ApacheCN

http://ailearning.apachecn.org/ml/9.TreeRegression/

ApacheCN 专注于优秀项目维护的开源组织

Adaboost多类别分类问题

你好！感谢你的代码，请问Adaboost 用作多类别分类时该怎么实现？比如我这边有20个类别。

斗胆指一下注释中的一个小错误

https://github.com/apachecn/MachineLearning/blob/python-3.6/src/python/3.DecisionTree/DecisionTree.py
141行的注释 # retDataSet = [data for data in dataSet for i, v in enumerate(data) if i == axis and v == value] 这里的 i == axis是不是应该改为i == index?

第15章_大数据与MapReduce - ApacheCN

http://ailearning.apachecn.org/ml/15.BigData_MapReduce/

ApacheCN 专注于优秀项目维护的开源组织

第6章_支持向量机 - ApacheCN

http://ailearning.apachecn.org/ml/6.SVM/

ApacheCN 专注于优秀项目维护的开源组织

py3 pca.py有错

https://github.com/apachecn/MachineLearning/blob/dev/src/py3.x/ML/13.PCA/pca.py
第18行
datArr = [list(map(float, line) for line in stringArr)]
应该改为
datArr = [list(map(float, line)) for line in stringArr]

电子书http://pan.baidu.com/s/1bpzVb2J 连接挂掉了

可以的话直接把书丢上github吧 😆

Logistic回归代码，读取训练及测试数据时错误“could not convert string to float:”

在运行colic_test()函数以及multi_test()函数是会报错“could not convert string to float:”

找了下原因，代码段：

for line in f_train.readlines():
    curr_line = line.strip().split('\t')   #这里在读取到最后一行的时候，输出了下为[""]
    line_arr = [float(curr_line[i]) for i in range(21)]
    training_set.append(line_arr)
    training_labels.append(float(curr_line[21]))

以及：

for line in f_test.readlines():
        num_test_vec += 1
        curr_line = line.strip().split('\t')   #这里在读取到最后一行的时候，输出了下为[""]
        #if len(curr_line) == 1: continue
        line_arr = [float(curr_line[i]) for i in range(21)]

建议加一句判断读取的curr_line是否为[""]，如果是则跳出本次循环。

for line in f_train.readlines():
    curr_line = line.strip().split('\t')
    if len(curr_line) == 1: continue    #这里如果就一个空的元素，则跳过本次循环
    line_arr = [float(curr_line[i]) for i in range(21)]
    training_set.append(line_arr)
    training_labels.append(float(curr_line[21]))

亲测好用。

代码错误

失误，看错了，不是问题 ：）

贝叶斯问题

demo里的训练集的数据都是相同的长度。请问如果训练集的数据是混乱的，长短不一。这样去训练数据，感觉矩阵处理会比较麻烦。所以请问，训练集的数据长度相同，格式一致，这是必须要遵守的基本要求吗？还是说，是为了出于demo显示的考虑，demo处理数据方便，所以将真实数据“理想化”处理了？谢谢

第5章_逻辑回归 - ApacheCN

http://ailearning.apachecn.org/ml/5.Logistic/

ApacheCN 专注于优秀项目维护的开源组织

第13章_PCA降维 - ApacheCN

http://ailearning.apachecn.org/ml/13.PCA/

ApacheCN 专注于优秀项目维护的开源组织

代码都编译不过啊。。。

在 MachineLearning/src/py3.x/5.Logistic/logistic.py 里：

# random.uniform(x, y) 方法将随机生成下一个实数，它在[x,y]范围内,x是这个范围内的最小值，y是这个范围内的最大值。
            rand_index = int(np.random.uniform(0, len(data_index)))
            h = sigmoid(np.sum(data_mat[dataIndex[randIndex]] * weights))
            error = class_labels[dataIndex[randIndex]] - h
            weights = weights + alpha * error * data_mat[dataIndex[randIndex]]
            del(data_index[rand_index])

这一段 dataIndex 和 randIndex 名字写错了。

第7章_集成方法 - ApacheCN

http://ailearning.apachecn.org/ml/7.Ensemble/

ApacheCN 专注于优秀项目维护的开源组织

k-means工作流程 翻译错字

第十章中K-Means 工作流程
原文

首先, 随机确定 K 个初始点作为质心（不是数据中的点）.
然后将数据集中的每个点分配到一个簇中, 具体来讲, 就是为每个点找到距其最近的质心, 并将其分配该质心所对应的簇. 这一步完成之后, 每个簇的质心更新为该簇说有点的平均值.

应该更改为

首先, 随机确定 K 个初始点作为质心（不是数据中的点）.
然后将数据集中的每个点分配到一个簇中, 具体来讲, 就是为每个点找到距其最近的质心, 并将其分配该质心所对应的簇. 这一步完成之后, 每个簇的质心更新为该簇所有点的平均值.

将“说有”更改为“所有”。

图像压缩

在使用SVD对图像压缩的时候，为什么最后32*32显示的全是数字“0”，

accident

运行问题！！

您好，关于推荐系统这一部分，基于item和基于user，程序是怎么运行的呢？哪几个文件属于一起的呀？当我直接运行RS-itemcf.py的时候，报错如下：
C:\software\Anaconda3\python.exe D:/python/MachineLearning-dev/src/py3.x/16.RecommenderSystems/RS-itemcf.py
File "D:/python/MachineLearning-dev/src/py3.x/16.RecommenderSystems/RS-itemcf.py", line 3
Created on 2015-06-22
^
SyntaxError: invalid syntax

Process finished with exit code 1
不知应当如何解决呢，请大神帮忙解答一下，感激不尽！！！

第10章 K-均值聚类算法中的一个BUG

在第10章开头的loadDataSet()函数中，使用了map函数来处理数据，该map函数在python2会直接返回一个list，但是在python3中只返回该列表的地址，想要得到该list，需要用list(map())来强制转换。

测试

这里加载的数据是经纬度坐标吗

pdf 下载下来打不开

提示“格式错误：不是一个PDF文件或文件已损坏”

第8章_回归 - ApacheCN

http://ailearning.apachecn.org/ml/8.Regression/

ApacheCN 专注于优秀项目维护的开源组织

第10章_KMeans聚类 - ApacheCN

ApacheCN 专注于优秀项目维护的开源组织
https://ailearning.apachecn.org/#/docs/ml/10.k-means聚类

K 值该怎么选择?

分析方案： https://blog.csdn.net/xyisv/article/details/82430107
备份地址： https://www.ibooker.org.cn/topic/%e3%80%90%e6%af%8f%e6%97%a5%e4%b8%80%e9%97%ae%e3%80%91%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0-kmeans%e8%81%9a%e7%b1%bb%e9%80%89%e6%8b%a9%e6%9c%80%e4%bc%98k%e5%80%bcpython%e5%ae%9e%e7%8e%b0/

为何录制教学版视频 - ApacheCN

http://ailearning.apachecn.org/why-to-record-study-ml-video/

ApacheCN 专注于优秀项目维护的开源组织

使用二分kmeans时怎样获取类别标记呢？

使用示例代码中的二分kmeans时怎样获取类别标记呢？

第3章_决策树算法 - ApacheCN

https://ailearning.apachecn.org/#/docs/ml/3.决策树

kmeans聚类选择最优K值python实现：
https://blog.csdn.net/xyisv/article/details/82430107

第2章_K近邻算法 - ApacheCN

http://ailearning.apachecn.org/ml/2.KNN/

ApacheCN 专注于优秀项目维护的开源组织

关于编号的建议问题

建议将十以内的编号替换为01，02，03...就不会有顺序问题啦！

第12章FP-Growth算法的一个bug（疑似）

def createTree(dataSet, minSup=1):


...


            orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: p[1], reverse=True)]


...

这里单以localD的值作为key进行排序，当两个项计数值一样时，会产生不确定的结果，比如('c',3) == ('d',3)
但是不知道为什么在python2没跑出错
移植python3后会产生随机结果
fix:

orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: (p[1],p[0]), reverse=True)]

第1章_基础知识 - ApacheCN

https://ailearning.apachecn.org/#/docs/ml/1.机器学习基础

ApacheCN 专注于优秀项目维护的开源组织

加入我们 - ApacheCN

http://ailearning.apachecn.org/join-us/

ApacheCN 专注于优秀项目维护的开源组织

真相（group-true）:真正存在的潜在规律 是否存在拼写错误

https://github.com/apachecn/MachineLearning/blob/master/docs/1.%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F%BA%E7%A1%80.md中的有一行
真相（group-true）:真正存在的潜在规律

第4章_朴素贝叶斯 - ApacheCN

http://ailearning.apachecn.org/ml/4.NaiveBayesian/

ApacheCN 专注于优秀项目维护的开源组织

db数据集的目录问题

项目代码&db都在项目根目录下面，代码运行的时候无法读取到对应的文件

第11章_Apriori算法 - ApacheCN

https://ailearning.apachecn.org/#/docs/ml/11.使用Apriori算法进行关联分析

ApacheCN 专注于优秀项目维护的开源组织

第16章_推荐系统 - ApacheCN

http://ailearning.apachecn.org/ml/16.RecommendedSystem/

ApacheCN 专注于优秀项目维护的开源组织

第4章 基于概率论的分类方法：朴素贝叶斯其中一个问题

对朴素贝叶斯分类器训练函数的代码块中：
p1Denom += sum(trainMatrix[i])和p0Denom为何不是每次加一

视频制作细节

在制作讲解视频时，对于屏幕，可否仅仅使用键盘来滚动屏幕，避免使用鼠标滚轮？
因为这样对于讲解者可能下意识的滚动屏幕，但是对于观看者来说，屏幕晃动的厉害，只能看个大概的图，而屏幕上的文字就别想认真看清楚了。

1 syntax error

flake8 testing of https://github.com/apachecn/AiLearning on Python 3.7.0

$ flake8 . --count --select=E901,E999,F821,F822,F823 --show-source --statistics

./src/py3.x/dl/perceptron.py:192:22: F821 undefined name 'train_and_perceptron'
    and_perceptron = train_and_perceptron()
                     ^
./src/py3.x/16.RecommenderSystems/test_基于用户.py:74:28: F821 undefined name 'u'
    for v, wuv in sorted(W[u].items, key=itemgetter(1), reverse=True)[0:K]:
                           ^
./src/py3.x/16.RecommenderSystems/test_基于用户.py:74:73: F821 undefined name 'K'
    for v, wuv in sorted(W[u].items, key=itemgetter(1), reverse=True)[0:K]:
                                                                        ^
./src/py3.x/16.RecommenderSystems/test_lfm.py:12:16: F821 undefined name 'items_pool'
        item = items_pool[random.randint(0, len(items_pool) - 1)]
               ^
./src/py3.x/16.RecommenderSystems/test_lfm.py:12:49: F821 undefined name 'items_pool'
        item = items_pool[random.randint(0, len(items_pool) - 1)]
                                                ^
./src/py3.x/16.RecommenderSystems/test_lfm.py:23:14: F821 undefined name 'InitModel'
    [P, Q] = InitModel(user_items, F)
             ^
./src/py3.x/16.RecommenderSystems/test_lfm.py:26:23: F821 undefined name 'RandSelectNegativeSamples'
            samples = RandSelectNegativeSamples(items)
                      ^
./src/py3.x/16.RecommenderSystems/test_lfm.py:28:29: F821 undefined name 'Predict'
                eui = rui - Predict(user, item)
                            ^
./src/py3.x/16.RecommenderSystems/test_基于物品.py:10:18: F821 undefined name 'users'
        for i in users:
                 ^
./src/py3.x/16.RecommenderSystems/test_基于物品.py:12:22: F821 undefined name 'users'
            for j in users:
                     ^
./src/py3.x/16.RecommenderSystems/test_基于物品.py:21:18: F821 undefined name 'v'
            W[u][v] = cij / math.sqrt(N[i] * N[j])
                 ^
./src/py3.x/16.RecommenderSystems/test_基于物品.py:30:18: F821 undefined name 'users'
        for i in users:
                 ^
./src/py3.x/16.RecommenderSystems/test_基于物品.py:32:22: F821 undefined name 'users'
            for j in users:
                     ^
./src/py3.x/16.RecommenderSystems/test_基于物品.py:41:18: F821 undefined name 'v'
            W[u][v] = cij / math.sqrt(N[i] * N[j])
                 ^
./src/py3.x/16.RecommenderSystems/test_evaluation_model.py:22:16: F821 undefined name 'GetRecommendation'
        rank = GetRecommendation(user, N)
               ^
./src/py3.x/16.RecommenderSystems/test_evaluation_model.py:36:16: F821 undefined name 'GetRecommendation'
        rank = GetRecommendation(user, N)
               ^
./src/py3.x/16.RecommenderSystems/test_evaluation_model.py:51:16: F821 undefined name 'GetRecommendation'
        rank = GetRecommendation(user, N)
               ^
./src/py3.x/16.RecommenderSystems/test_evaluation_model.py:68:16: F821 undefined name 'GetRecommendation'
        rank = GetRecommendation(user, N)
               ^
./src/py3.x/nlp/6.LDA/demo.py:13:14: F821 undefined name 'corpora'
dictionary = corpora.Dictionary(train)
             ^
./src/py2.x/dl/perceptron.py:62:68: E999 SyntaxError: invalid syntax
        return self.activator(reduce(lambda a, b: a + b,map(lambda (x, w): x * w, zip(input_vec, self.weights)), 0.0) + self.bias)
                                                                   ^
1     E999 SyntaxError: invalid syntax
19    F821 undefined name 'GetRecommendation'
20

第14章_SVD简化数据 - ApacheCN

http://ailearning.apachecn.org/ml/14.SVD/

ApacheCN 专注于优秀项目维护的开源组织

About coding

Must be written in python? Thank you！

In def file2matrix()

When I run "datingDataMat, datingLabels = KNN.file2matrix('datingTestSet2.txt')"
It shows
ValueError: could not convert string to float:
It makes me confused ,thanks for your answer.

关于apriori算法的rulesFromConseq函数的问题

对于这个函数

def rulesFromConseq(freqSet, H, supportData, brl, minConf=0.6):
    #参数:一个是频繁项集,另一个是可以出现在规则右部的元素列表 H
    m = len(H[0])
    if (len(freqSet) > (m + 1)): #频繁项集元素数目大于单个集合的元素数
        Hmp1 = aprioriGen(H, m+1)#存在不同顺序、元素相同的集合，合并具有相同部分的集合
        Hmp1 = calcConf(freqSet, Hmp1, supportData, brl, minConf)#计算可信度
        if (len(Hmp1) > 1):    #满足最小可信度要求的规则列表多于1,则递归
            rulesFromConseq(freqSet, Hmp1, supportData, brl, minConf)

我认为忽略了3-项集及大于3-项集的类似{}-->{1}的关联规则,即关联规则右部只有一个元素的规则.
应该改为这样:

    #参数:一个是频繁项集,另一个是可以出现在规则右部的元素列表 H
    m = len(H[0])
    **if m == 1:
        calcConf(freqSet, H, supportData, brl, minConf)**
    if (len(freqSet) > (m + 1)): #频繁项集元素数目大于单个集合的元素数
        Hmp1 = aprioriGen(H, m+1)#存在不同顺序、元素相同的集合，合并具有相同部分的集合
        Hmp1 = calcConf(freqSet, Hmp1, supportData, brl, minConf)#计算可信度
        if (len(Hmp1) > 1):    #满足最小可信度要求的规则列表多于1,则递归
            rulesFromConseq(freqSet, Hmp1, supportData, brl, minConf)```

请看一下我的判断对不对?

"/src/py3.x/ml/4.NaiveBayes/bayes.py" #line164 疑问

引自该文件164行：" # 可以理解为 1.单词在词汇表中的条件下，文件是good 类别的概率 也可以理解为 2.在整个空间下，文件既在词汇表中又是good类别的概率"

您好，我对这里的p1Vec意义有疑问，我认为应该是在文件是good类别的前提下，对应位置(index)的单词出现在文档中的概率.

第12章_FP-growth算法 - ApacheCN

http://ailearning.apachecn.org/ml/12.FP-growth/

ApacheCN 专注于优秀项目维护的开源组织

逻辑回归示例代码中有一处问题

上升or下降?

在 https://github.com/apachecn/MachineLearning/blob/master/src/py2.x/ML/5.Logistic/logistic.py 里有2个方法：

正常的梯度上升法
https://github.com/apachecn/MachineLearning/blob/f727eda8150e26cea0425b0bb17b0badb67d5b01/src/py2.x/ML/5.Logistic/logistic.py#L54

随机梯度下降
https://github.com/apachecn/MachineLearning/blob/f727eda8150e26cea0425b0bb17b0badb67d5b01/src/py2.x/ML/5.Logistic/logistic.py#L100

这2个函数的主要区别只有前者使用全量数据更新w， 后者使用一个样本更新w
那么在这里，上升和下降的区别在哪里？ 是否注释错了？

如果可以，我觉得应该分别讲讲上升法和下降法的公式，这样也好理解下面这个代码是上升还是下降

weights = weights + alpha * dataMatrix.transpose() * error