ZuzooVn
commented
6 years ago Em ko có mail báo cập nhật bản January 10, 2018, nên có 1 vài lỗi ở trên đã được chỉnh sửa rồi. Em sẽ chuyển sang report cho bản January 10, 2018 này :)
Closed ZuzooVn closed 5 years ago
ZuzooVn
commented
6 years ago Em ko có mail báo cập nhật bản January 10, 2018, nên có 1 vài lỗi ở trên đã được chỉnh sửa rồi. Em sẽ chuyển sang report cho bản January 10, 2018 này :)
tiepvupsu
commented
6 years ago Cảm ơn em. Đúng là lỗi chính tả nhiều vô số. Chắc anh phải làm cái plugin trong Sublime cho kiểm tra lỗi chính tả :D.
ZuzooVn
commented
6 years ago https://github.com/titoBouzout/Dictionaries có hỗ trợ tiếng Việt đây anh
tiepvupsu
commented
6 years ago Cảm ơn em. Anh vừa thử, cái này chỉ ở mức độ 1 tiếng thôi. Ví dụ 'say mạc' nó vẫn không thể nhận được là sai. Chắc phải có tí NLP vào nữa nó mới có thể nhận được cả cụm.
Good to know, anyway.
ZuzooVn
commented
6 years ago Bản January 10, 2018
print("Accuracy of 10NN with major voting: %.2f %%" %(100 accuracy_score(y_test, y_pred)))
=>
print("Accuracy of 7NN with major voting: %.2f %%" %(100 accuracy_score(y_test, y_pred)))
Accuracy of 10NN with major voting: 93.85 %
=>
Accuracy of 7NN with major voting: 93.85 %
Trong Hình 9.3, chữ đè lên ảnh.
từ cluster sẽ được sử dụng thay thế cho nhóm/cum
=>
từ cluster sẽ được sử dụng thay thế cho nhóm/cụm
nhớm dữ liệu => 3. Nếu việc phân nhóm dữ liệutừ 0 đên 9 => từ 0 đến 9
Các pixel màu đen có giá trị bằng không , => Các pixel màu đen có giá trị bằng không,
Để download MNIST => Để tải về MNIST
sau dó ta sẽ chon chọn cluster => sau dó ta sẽ chọn cluster
mỗi điểm ảnh sẽ được biểu diễn bới => mỗi điểm ảnh sẽ được biểu diễn bởi
chúng ta có ba clusters => chúng ta có ba cluster
trong Hình 10.9: k = 5 => K = 5
Các cluster cần có só => Các cluster cần có số
dầu bằng thứ ba xảy ra => dấu bằng thứ ba xảy ra
Gaussian naive Bayes, multinomial naive Bayes, và Bernoulli Naive
=>
Gaussian Naive Bayes, Multinomial Naive Bayes và Bernoulli Naive
11.2.1 Gaussian naive Bayes
=>
11.2.1 Gaussian Naive Bayes
11.2.2 Multinomial naive Bayes
=>
11.2.2 Multinomial Naive Bayes
multinomial Naive Bayes hoặc Bernoulli naive Bayes
=>
Multinomial Naive Bayes hoặc Bernoulli Naive Bayes
Xét các hàm số một biết
=>
Xét các hàm số một biến
là nên tảng cho rất nhiều phương pháp tối ưu
=>
là nền tảng cho rất nhiều phương pháp tối ưu
(x2, it2) = myGD1(5, 1)
=>
(x2, it2) = myGD1(5, .1)
việc chọn learning rate họp lý là rất quan trọng
=>
việc chọn learning rate hợp lý là rất quan trọng
Hình 12.8: GD with momentum => GD với momentum
Làm thế nào để biểu diễn momentum đưới dạng toán học?
=>
Làm thế nào để biểu diễn momentum dưới dạng toán học?
Sử khác nhau giữa GD thông thường
=>
Sự khác nhau giữa GD thông thường
Hình 12.10: GDt với momentum. => GD với momentum.
Hình 12.12 (b) Nesterov accelerated gradient. => (b) GD với NAG (cho phù hợp với "Chúng ta cùng áp dụng cả GD với momentum và GD với NAG cho bài toán linear regression đề cập ở trên.")
tiepvupsu
commented
6 years ago Cảm ơn em rất nhiều.
Anh đã sửa gần hết, chỉ còn các lỗi về hình (anh tìm lại chưa thấy source code đâu).
Còn các lỗi:
Trang 109: Trong Hình 9.3, chữ đè lên ảnh.
Trang 123: trong Hình 10.9: k = 5 => K = 5
Trang 149: Hình 12.8: GD with momentum => GD với momentum
Các issues về naive -> Naive anh xin không sửa. Trên blog anh đều dùng viết hoa cho các tên thuật toán, nhưng tham khảo nhiều sách (Bishop 2006) thì tên các thuật toán khi viết đầy đủ đều viết thường trừ tên riêng.
ZuzooVn
commented
6 years ago Thuât toán này được thiết kế => Thuật toán này được thiết kế
Hình 13.1a tương ứng với các điểm màu xanh => Hình 13.1a tương ứng với tập các điểm màu xanh
ta đang giả sử rằng tồn tại một siểu phẳng như vậy => ta đang giả sử rằng tồn tại một siêu phẳng như vậy
đây là một hàm số này rời rạc => đây là một hàm số rời rạc
các điểm càng xa ngưỡng về phía phải có giá trị càng gần 1 => các điểm càng xa ngưỡng về phía bên phải có giá trị càng gần 1
trong dấu argmin của (14.7) => trong dấu argmax của (14.7)
ta khai báo các thư viện và download => ta khai báo các thư viện và tải về
các bộ lớp nhị phần => các bộ lớp nhị phân
hoặc one-against-all) . => hoặc one-against-all).
tổng quát lên nhớ các phép tính với ma trận => tổng quát lên các phép tính với ma trận
p là đầu ra thực sự vì đầu ra thực sự vì => p là đầu ra thực sự vì
lần lượt là là phần tử thứ j => lần lượt là phần tử thứ j
Trong đó, gradient theo theo từng cột => Trong đó, gradient theo từng cột
Bước này được gói là feedforward => Bước này được gọi là feedforward
weghts và biases => weights và biases
ReLU được chứng mình => ReLU được chứng minh
Sự phức tạp này ảnh hướng tới hai khia cạnh => Sự phức tạp này ảnh hướng tới hai khía cạnh
Chưa sử dụng thống nhất neural network với neural networks
Font tiếng việt bị lỗi khi thực hiện copy trên PC/MAC, hoặc khi convert file PDF sang PRC để đọc trên máy đọc sách Kindle
tiepvupsu
commented
6 years ago Đã sửa hết lỗi trong comment gần nhất của @ZuzooVn. Font tiếng Việt anh sẽ sửa lại sau khi ra sách giấy.
Cảm ơn em.
phanhaiquang
commented
6 years ago Trang 68: "tốc độc của xe" --> "tốc độ của xe"
nhanph
commented
6 years ago Em xin góp ý thêm:
Trang 23: "khả nghich" => khả nghịch
Hi a Tiệp, @tiepvupsu
Em tổng hợp lại 1 số lỗi chính tả như sau, các lỗi sẽ được tiếp tục update.
cùng => cũng
được cho => được vẽ
deeep learning => deep learning
scikit-learng => scikit-learn
nhưng thư viện => những thư viện
bản quyển => bản quyền
nếu rõ tên => nêu rõ tên
dầu phẩy => dấu phẩy
=> không (bỏ dấu gạch trên)
Bẵng => Bằng
tập huấn luyên => tập huấn luyện
có điều kiên => có điều kiện
xảy ra đồng thời xảy ra => đồng thời xảy ra
machine learing => machine learning
dữ liệu vào X => dữ liệu đầu vào X
Vì dụ => Ví dụ xunh quanh => xung quanh
đề tìm tòi => để tìm tòi thằng tất cả => thắng tất cả
mô mô hình => mô hình
Điều này là cần thiết các phép toán => Điều này là cần thiết do các phép toán
dử liệu => dữ liệu
=> Phần này đang liệt kê rõ ra 2 khối cần được thiết kế, tuy nhiên khối thứ 2 không được nhắc đến rõ ràng, chỉ được nêu qua qua ở mục cuối của phần
6.2.1, do đó nếu độc giả đọc lướt qua, thì ko biết được khối thứ 2 đóng vai trò gì. Em nghĩ nên có 1 phần giải thích về khối thứ 2 này.extracted features => extracted feature (để phù hợp với extracted feature ở dòng trên)
nhờ và việc các hai khối phía trên => nhờ vào việc hai khối phía trên
vector x1 ban đầu => vector x0 ban đầu
trình bay => trình bày
phẩn tử => phần tử từ điền => từ điển
lục => xanh lục (cho phù hợp với danh sách màu ở trên)
say mạc => sa mạc
hai patches => hai patch
classe => class
bài toàn => bài toán
nên nên => nên
tính trunh bình => tính trung bình
một => 1 (nên dùng số cho thống nhất do ở bên trên có viết x0 =1)
một môt hình => một mô hình
đai lượng => đại lượng
thường đường => thường được
validation set set => validation set