0 | 2 | (역자 정보의 역자 소개 중에서) 현재정보기술 연구소 연구원 -> 현대정보기술 연구소 연구원 | 2008-11-19 | 1 |
서문 | 11 | (저자서문, 데이터를 수집, 분석, 이용하는 다양한 기법을 배운다.) l1=[1,2,3,4,5,6,7,8,9] print [v*10 for v in l1 if v1>4]
----------> l1=[1,2,3,4,5,6,7,8,9] print [v*10 for v in l1 if v>4]
print문에서 v1이 아니라 v | 2008-08-04 | 1 |
0 | 21 | (p.21 마지막 줄에서) 검색 사용자들의 위한 -> 검색 사용자들을 위한 | 2008-11-19 | 1 |
2 | 30 | (p.30 가운데 예제 중, 마지막에서) >> critics['Toby'] {'Snakes on a Plane': 4.5, 'You, Me and Dupree': 1.0}
->
>> critics['Toby'] {'Snakes on a Plane': 4.5, 'Superman Returns': 4.0, 'You, Me and Dupree': 1.0} | 2008-11-19 | 1 |
2 | 31 | (31페이지 하단 코드)
31페이지 하단 코드는 >> sqrt(pow(5-4,2)+pow(2-1,2)
--->
>> sqrt(pow(4.5-4,2)+pow(1-2,2)) >> 1.1180339887498949
32페이지에서 >> 1/(1+sqrt(pow(5-4,2)+pow(4-1,2)))
-->
>> 1/(1+sqrt(pow(4.5-4,2)+pow(1-2,2))) >> 0.47213595499957939
| 2008-04-28 | 1 |
2 | 32 | (32페이지) return 1/1(+sum_of_squares)
=> return 1/(1+sqrt(sum_of_squares)) | 2008-06-15 | 1 |
2 | 32 | (p.32 마지막 실행예제에서) >>> recommendations.sim_distance(recommendations.critics, ... 'Lisa Rose', 'Gene Seymour') 0.148148148148
-->
>>> recommendations.sim_distance(recommendations.critics, ... 'Lisa Rose', 'Gene Seymour') 0.29429805508554946 | 2008-11-19 | 1 |
2 | 33 | (7번째 줄) 영화 슈퍼맨(Superman)은 믹 라셀라(Mick LaSalle)가 2점으로 평가했고, -> 영화 슈퍼맨(Superman)은 믹 라셀라(Mick LaSalle)가 3점으로 평가했고,
| 2008-04-26 | 1 |
2 | 35 | (35페이지 밑에서 4째줄) 사용할 유사도 인자로 sim_pearson 또는 sim_vector
--->
사용할 유사도 인자로 sim_pearson 또는 sim_distance | 2008-04-28 | 1 |
2 | 39 | (p.39 첫 번째 실행 예제에서) >>> recommendations.getRecommendations(recommendations.critics, 'Toby', ... similarity=recommendations.sim_distance) [(3.5002478401415877, 'The Night Listener'), (2.7561242939959363, 'Lady in the Water'), (2.4619884860743739, 'Just My Luck')]
->
>>> recommendations.getRecommendations(recommendations.critics, 'Toby', ... similarity=recommendations.sim_distance) [(3.457128694491423, 'The Night Listener'), (2.7785840038149239, 'Lady in the Water'), (2.4224820423619167, 'Just My Luck')]
---------------------- sim_distance 함수의 오타를 수정할 경우 출력값이 위와 같이 바뀝니다.
| 2008-11-21 | 1 |
2 | 44 | (p.44의 가운데 실행예제에서) >> delusers ['tsegaran']={} # 딜리셔스를 사용하다면 딕셔너리에 여러분의 계정을 적어라
->
>> delusers['tsegaran']={} # 딜리셔스를 사용한다면 딕셔너리에 여러분의 계정을 적어라 | 2008-11-21 | 1 |
2 | 47 | (p.47 '항목 비교 데이터 세트 생성'의 마지막 실행 예제에서) >>> itemsim {'Lady in the Water': [(0.40000000000000002, 'You, Me and Dupree'), (0.2857142857142857, 'The Night Listener'), ... 'Snakes on a Plane': [(0.22222222222222221, 'Lady in the Water'), (0.18181818181818182, 'The Night Listener'), ... 등등
->
>>> itemsim {'Lady in the Water': [(0.4494897427831781, 'You, Me and Dupree'), (0.38742588672279304, 'The Night Listener'), ... 'Snakes on a Plane': [(0.34833147735478831, 'Lady in the Water'), (0.32037724101704074, 'The Night Listener'), ... 등등
---------------------- sim_distance 함수의 오타를 수정할 경우 출력값이 위와 같이 바뀝니다.
| 2008-11-21 | 1 |
2 | 49 | (p.49 첫 번째 실행예제에서) >>> recommendations.getRecommendedItems(recommendations.critics, itemsim, 'Toby') [(3.182, 'The Night Listener'), (2.598, 'Just My Luck'), (2.473, 'Lady in the Water')]
->
>>> recommendations.getRecommendedItems(recommendations.critics, itemsim, 'Toby') [(3.167, 'The Night Listener'), (2.937, 'Just My Luck'), (2.869, 'Lady in the Water')]
---------------------- sim_distance 함수의 오타를 수정할 경우 출력값이 위와 같이 바뀝니다. | 2008-11-21 | 1 |
3 | 55 | (p.55 'section 01'의 마지막에서 두 번째 줄에서) NNMF(non-nagative matrix factorization;
->
NMF(non-negative matrix factorization; | 2008-11-25 | 1 |
3 | 57 | (57) for feedurl in file('feedlist.txt'): title,wc=getwordcounts(feedurl)
->
feedlist = []
for feedurl in file('feedlist.txt'): feedlist.append(feedurl) title,wc=getwordcounts(feedurl) | 2008-12-15 | 1 |
3 | 71 | (71페이지 3장 6절) >>[rownames[r] for r in k[0]] ... >>[rownames[r] for r in k[1]] ...
위 소스는 rownames와 k 대신 blognames와 kclust가 되어야 합니다.
>>[blognames[r] for r in kclust[0]] ... >>[blognames[r] for r in kclust[1]] | 2008-06-09 | 1 |
4 | 88 | (88p 두번째 문단 첫재쭐 마지막부터) 넓이 우선 탐색 <<중략>> 고칠 수도 있다. 또한 <<중략>> 고칠수도 있다 . 이때 스택이 넘치지 않도록 조심해야 한다.
-> 너비 우선 탐색 <<중략>> 구현하면 <<중략>> 고치기 쉬워진다. 덧붙여, 스택 오버플로우의 위험도 피할 수 있게 된다. | 2013-05-22 | 3 |
4 | 108 | (108 페이지 상단 4째줄) 마지막 계층은 가중치를 가인 검색 결과 URL 목록을 출력한다. ---> 마지막 계층은 가중치를 가진 검색 결과 URL 목록을 출력한다. | 2008-04-28 | 1 |
4 | 109 | (109페이지 하단 소스) from mat import tanh ---> from math import tanh
| 2008-04-28 | 1 |
5 | 125 | (125p 상단 코드 5째줄, 6째줄) 125p 상단 코드 5째줄, 6째줄 r[d] -> r[d*2] r[d+1] -> r[d*2+1]
127p 8째줄 21째줄 sol[d] -> sol[d*2] sol[d+1] -> sol[d*2+1] | 2013-06-20 | 3 |
5 | 129 | (129p 둘째줄) return r -> return bestr | 2013-06-20 | 3 |
9 | 256 | (256페이지 코드부분) plot(xdm,ydm,'go') plot(sdn,ydn.'ro')
----->
plot(xdm,ydm,'go') plot(sdn,ydn.'r+')
책에서 언급하기를 배필이면 o, 그렇지 않으면 +라고 했는데,, 코드상에서는 색상만 틀리게 모두 o로 그리게 되어있네요,,, | 2008-05-01 | 1 |
9 | 261 | (261페이지(밑에서 첫째줄)) 이 그림에는 "일치"(M0)와 "불일치"(X1)에 대한 두 개의 평균점
---->
이 그림에는 "일치"(M0)와 "불일치"(M1)에 대한 두 개의 평균점 | 2008-09-02 | 1 |
9 | 271 | (271 페이지 하단(밑에서 6번째줄)) 아래의 nonlinearclassify를 advancedclassify.py에 추가한다.
---->
아래의 nlclassify 함수를 advancedclassify.py에 추가한다. | 2008-09-01 | 1 |
9 | 273 | (273페이지 하단 2째줄) [그림 5-10]에 그 모습이 있다.
-->
[그림 9-10]에 그 모습이 있다. | 2008-04-28 | 1 |
9 | 277 | (277 페이지 하단(끝에서 첫번째줄)) 8장에서 이 기능의 동작원리를 살펴볼 것이다.
--->
8장에서 이 기능의 동작원리를 살펴보았다. | 2008-09-02 | 1 |
부록A | 388 | (p.388 '모든 플랫폼에서 설치'의 첫 번째 명령어에서) svn checkout http://pydelicious.googlecode.com/svn/trunk/pydelicious.py
->
svn checkout http://pydelicious.googlecode.com/svn/trunk pydelicious | 2008-11-21 | 1 |
|