『Pythonではじめる機械学習』第2刷正誤表

下記の誤りがありました。お詫びして訂正いたします。

本ページに掲載されていない誤植など間違いを見つけた方は、japan＠oreilly.co.jpまで お知らせください。

2017年12月6日更新

場所	誤	正
p49、In[28]の直前	このデータセットには導出された105の特徴量を持つ506のサンプル	このデータセットには導出された104の特徴量を持つ506のサンプル
p54、Out[35]の下	さらに、105の特徴量のうちの	さらに、104の特徴量のうちの
p54、In[36]の5行目（行頭のnを削除）	nprint("Test set score: {:.2f}".format(lasso001.score(X_test, y_test)))	print("Test set score: {:.2f}".format(lasso001.score(X_test, y_test)))
p54、最後	105の特徴量のうち、	104の特徴量のうち、
p76、6行目	ルートから右の枝をたどると、worst radius <= 16.795	ルートから右の枝をたどると、worst radius > 16.795
p76、10行目	ルートから左に行った場合、つまりworst radius > 16.795	ルートから左に行った場合、つまりworst radius <= 16.795
p139、12行目	このデータセットには特徴量が30もあるので、30×14＝420の散布図	このデータセットには特徴量が30もあるので、30×29 / 2＝435の散布図
p204、囲みの最後	表3-1のX_trainとy_trainは訓練データと訓練ラベル、X_testとy_testはテストデータとテストラベルである。	表3-1のX_trainとy_trainは訓練データと訓練ラベル、X_testはテストデータである。
p280、下から7行目	ダミークラス分類器のf-値は0.13だが、（ロジスティック回帰では0.89）、「9以外」を陽性とすると、0.90対0.99となってしまい、双方ともかなり良いように見えてしまう。	ダミークラス分類器のf-値は0.10だが、（ロジスティック回帰では0.89）、「9以外」を陽性とすると、0.91対0.99となってしまい、双方ともかなり良いように見えてしまう。
p283、注意	スレッショルドを設定する場合には、テストセットを使わないように注意しよう。	ここでは話を簡単にするためにテストセットの結果を用いてスレッショルドを設定したが、実際にはテストセットを使ってはいけない。
p331、数式の下4行目	ユークリッド距離になるようにスケール変換を行う。	ユークリッド長になるようにスケール変換を行う＊2。 ＊2 これは各文書の個々の特徴量を、その文書のすべての特徴量の自乗和の平方根で割ることを意味する。
p331、Out[23]の直下	この結果からわかるように、ワード頻度だけを用いるのに比べて	この場合にはtf-idf変換を行っても性能は向上しなかった。
p355、最終行	和書未刊	邦題『バンディットアルゴリズムによる最適化手法』オライリー・ジャパン、電子書籍のみ