1.P175
在計算高斯函數時，代碼中的默認標準差為10.0，如果默認標準差為10是得不到正文中的數據的，這里的默認值應該改為1.0
附上高斯函數的公式和圖像

公式中的a代表高斯函數的最大值，b代表平均值（即當高斯函數取最大值時x的值），c代表標準差，c^2表示方差。

上圖表示a=1,b=0, c=1

上圖表示a=1, b=0, c=10（注意橫坐標數值）
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★
注意此處標準差為1，但是在后邊P181計算按比例縮放后的預測結果時，此處的標準差應該改回10，否則會導致分母為0的錯誤（error：float division），切記。
2.P182
本頁下方為了對縮放結果進行優化時，調用了第五章的代碼，但是我們不能直接把第五章的optimization.py文件直接拷貝過來，我們還要對其進行一些修改，或者讀者如果下載了本書的配套代碼就可以直接把\PCI_Code Folder\chapter8中的optimization.py復制過來，但要注意調用第二個geneticoptimize()函數時，chapter8中的文件把函數名稱改為了swarmoptimize()，也就是說原文中的

>>>optimization.geneticoptimize(numpredict.weightdomain, costf, popsize = 5, lrate = 1, maxv = 4, iters = 20)

應改為

>>>optimization.swarmoptimize(numpredict.weightdomain, costf, popsize = 5, lrate = 1, maxv = 4, iters = 20)

沒有下載配套代碼的，應該把geneticoptimize()函數改為

def geneticoptimize(domain,costf,popsize=20,lrate=0.1,maxv=2.0,iters=50):# Initialize individuals# current solutionsx=[]# best solutionsp=[]# velocitiesv=[]for i in range(0,popsize):vec=[float(random.randint(domain[i][0],domain[i][1])) for i in range(len(domain))]x.append(vec)p.append(vec[:])v.append([0.0 for i in vec])for ml in range(0,iters):for i in range(0,popsize):# Best solution for this particleif costf(x[i])<costf(p[i]):p[i]=x[i][:]g=i# Best solution for any particlefor j in range(0,popsize):if costf(p[j])<costf(p[g]): g=jfor d in range(len(x[i])):# Update the velocity of this particlev[i][d]+=lrate*(p[i][d]-x[i][d])+lrate*(p[g][d]-x[i][d])# constrain velocity to a maximumif v[i][d]>maxv: v[i][d]=maxvelif v[i][d]<-maxv: v[i][d]=-maxv# constrain bounds of solutionsx[i][d]+=v[i][d]if x[i][d]<domain[d][0]: x[i][d]=domain[d][0]elif x[i][d]>domain[d][1]: x[i][d]=domain[d][1]#print p[g],costf(p[g])return p[g]

就可以得到結果了

總結

以上是生活随笔為你收集整理的《集体智慧编程》第8章的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。