【勘误清单】《机器学习》周志华北京: 清华大学出版社

周志华 著. 机器学习, 北京: 清华大学出版社, 2016年1月.

(ISBN 978-7-302-206853-6) 425页，62.6万字

勘误修订

(第一版第一次印刷, 2016年1月)：

- p.6, 图1.2: 图中两处"清脆" --> "浊响"
- p.28, 第3段倒数第2行: "大量" --> "不少"
- p.28, 边注: "例如 ……上百亿个参数" --> "机器学习常涉及两类参数: 一类是算法的参数, 亦称"超参数", 数目常在10以内; 另一类是模型的参数, 数目可能很多, 例如……上百亿个参数. 两者调参方式相似, 均是产生多个模型之后基于某种评估方法来进行选择; 不同之处在于前者通常是由人工设定多个参数候选值后产生模型, 后者则是通过学习来产生多个候选模型(例如神经网络在不同轮数停止训练)."
- p.31, 倒数第3行: "Event" --> "Even"
- p.256, 第4段: "固定住${\bf \alpha}_i$" --> "以${\bf \alpha}_i$为初值"
- p.256, 最后一段第1行: "${\bf E}_i =$" --> "${\bf E}_i = {\bf X} - $"
- p.385, 式(16.25)和(16.26): 两处"$r_i$" --> "$R_i$"
- p.385, 式(16.25)下一行: "若改用……" --> "其中$R_i$表示第$i$条轨迹上自状态$x$至结束的累积奖赏. 若改用……"
- p.386, 式(16.28)下一行: "始终为1" --> "对于$a_i=\pi(x_i)$始终为1"
- p.386, 图16.11, 第4步: 两处 "$\pi(x)$" --> "$\pi(x_i)$"
- p.386, 图16.11, 第6步的式子 --> "$R=\frac{1}{T-t}\left(\sum_{i=t+1}^T r_i\right) \prod_{i=t+1}^{T-1} \frac{\mathbb I(a_i=\pi(x_i))}{p_i}$"
- p.386, 图16.11, 边注"计算修正的累积奖赏." --> "计算修正的累积奖赏. 连乘内下标大于上标的项取值为1."; 去掉边注"重要性采样系数."

(第一版第二次印刷, 2016年2月)：

- p.38, 第6行: "$\epsilon^{m'}$" --> "${m \choose m'} \epsilon^{m'}$"
- p.119, 第14行: "318--362" --> "533--536"
- p.404, 式(B.3)最后一行的式子 --> "$\lambda g({\bm x})=0$"

(第一版第三次印刷, 2016年3月)：

- p.15, 第5行: "居功" --> "厥功"
- p.55, 最后一行: 式子括号中的逗号改为分号
- p.125, 第3行: "减小" --> "增大"
- p.125, 第4行，第6行: "减幅" --> "增幅"
- p.125, 第5行: "减小" --> "增长"

(第一版第四次印刷, 2016年3月)：

- p.59, 式(3.27)加边注: "考虑 $y_i \in \{0, 1\}$"

(第一版第五次印刷, 2016年3月)：

- p.62, 第1行加边注: "$(\bm{\mu}_0 - \bm{\mu}_1)^{\rm T} \bm{w}$ 是标量"
- p.78, 图4.4, 从右往左数: 第二个叶结点改为“好瓜”，第三个叶结点改为“坏瓜”
- p.85, 图4.8, 从右往左数: 第二个叶结点改为“好瓜”，第三个叶结点改为“坏瓜”
- p.85, 图4.8, 中间分支底层: “硬挺”--> “硬滑”
- p.89, 图4.9, 中间分支底层: “硬挺”--> “硬滑”
- p.103, 最后一行的式子: 求和的"$q$" --> "$l$"
- p.399, 式(A.9): "$A_{1 \sigma n}$" --> "$A_{n \sigma n}$"
- p.400, 第1行: "(1,4,3,2)" --> "(3,1,2)"
- p.402, 式(A.32)最后一行的式子中: "$2{\mathbf A}$" --> "2{\mathbf A}^{\rm T}"

(第一版第六次印刷, 2016年4月)：

- p.56, 图3.1中，红色第一和第二个点的坐标互换
- p.114, 图5.15中, 卷积层 16@10x10 和采样层 16@5x5 各去掉 8 个方块
- p.301, 式(13.12)的下一行: "$({\bm f}_l^{\rm T}\,{\bm f}_u^{\rm T})^{\rm T}$" --> "$({\bm f}_l^{\rm T}; {\bm f}_u^{\rm T})$"
- p.372, 图16.2: 从"s=健康"到"s=溢水"的 "r=1" --> "r=-1"
- p.376, 图16.5的边注: "第 4 行中式(16.4)的参数" --> "该参数在第4行使用"
- p.385, 第二行: "在使用策略时并不需要$\epsilon-$贪心" --> "而不是为了最终使用"
- p.387, 倒数第二行: "$\epsilon-$贪心策略, 而执行(第5行)的是原始策略" --> "原始策略, 而执行(第4行)的是$\epsilon-$贪心策略"
- p.393, 第四段第一行: 去掉 "[Kuleshov and Precup, 2000]和"
- p.395, 去掉最后一行
- p.396, 去掉第一行
- p.402, 式(A.32)加边注: "机器学习中 $\bf W$ 通常是对称矩阵"

勘误表转自周志华教授的主页：

http://cs.nju.edu.cn/zhouzh/index.htm

【勘误清单】《机器学习》周志华北京: 清华大学出版社相关推荐

机器学习(周志华) 参考答案第十四章概率图模型 14.9
机器学习(周志华西瓜书) 参考答案总目录 http://blog.csdn.net/icefire_tyh/article/details/52064910 机器学习(周志华) 参考答案第十四章 ...
机器学习周志华第一章课后习题
机器学习周志华第一章课后习题 1.1 1.2 1.3 1.4 1.5 1.1 在下面这张图片中若只包含编号为1和4的两个样例,试给出相应的版本空间. 书上实例: 1.表 1.1 对应的假设空间如下 ...
小吴的《机器学习周志华》学习笔记第二章模型评估与选择
小吴的<机器学习周志华>学习笔记第二章模型评估与选择上一周我们介绍了第一章的基础概念,这一次将带来第二章的前三节.后面的2.4 比较检验与2.5 偏差与方差,涉及概率论与数理统计概 ...
小吴的《机器学习周志华》学习笔记第一章绪论
小吴的<机器学习周志华>学习笔记第一章绪论近一年时间接触到不少机器学习的知识,虽然断断续续学了一些,总感觉还没有入门(只学会了疯狂调包).因此,最近开始系统学习Machine Le ...
小吴的《机器学习周志华》学习笔记第二章 2.4 比较检验、2.5 偏差与方差
小吴的<机器学习周志华>学习笔记第二章 2.4 比较检验. 2.5 偏差与方差 2.4 比较检验上一周提到了实验的评价方法和性能量度,步骤简单可以看成:先使用某种实验评估方法测得学习 ...
机器学习周志华课后习题3.5 线性判别分析LDA
机器学习周志华课后习题3.5 线性判别分析LDA 照着书上敲了敲啥都不会,雀食折磨 python代码 # coding=UTF-8 from numpy import * # 我安装numpy的时 ...
西瓜书入门辅助【机器学习周志华】一些关于机器学习的重要基础概念提炼
周志华. 机器学习 = Machine Learning. 清华大学出版社, 2016. Print. 文章目录周志华. 机器学习 = Machine Learning. 清华大学出版社, 2016 ...
机器学习-周志华-学习记录-第一章绪论
文章目录绪论一.什么是机器学习二.基本术语三.假设空间四.归纳偏好总结参考链接绪论为了更早地适应研究生的生活,我决定重新学习周志华老师的机器学习这本书.同时也为了能够养成博客记录的习 ...
机器学习-周志华教授
机器学习南京大学周志华教授网课视频:https://www.xuetangx.com/learn/nju0802bt/nju0802bt/14363483/video/26163027 202210 ...

【勘误清单】《机器学习》周志华北京: 清华大学出版社

【勘误清单】《机器学习》周志华北京: 清华大学出版社相关推荐

最新文章

热门文章

【勘误清单】《机器学习》 周志华 北京: 清华大学出版社

【勘误清单】《机器学习》 周志华 北京: 清华大学出版社相关推荐

最新文章

热门文章

【勘误清单】《机器学习》周志华北京: 清华大学出版社

【勘误清单】《机器学习》周志华北京: 清华大学出版社相关推荐