持續學習

Solving the Problem of Overfitting  The Problem of Overfitting 我們在使用hypothesis function在擬合y的值的時候，會有三種狀況發生分別如下面圖所示： 最左邊的是underfitting的狀況，中間是擬合剛好的狀況，最右邊是overfitting的狀況。uderfitting也稱之為high bias的狀況，就是hypothesis並沒有適當的擬合資料的趨勢。是因為擬合的函示太過簡單或者是因為使用太少的特徵。而overfitting也稱之為high variance，其hypothesis是可以擬合目前所取得的資料集，但卻沒辦法一般化(generalized)到新的資料，是因為其擬合函數太過複雜導致有著跟資料無相關的曲線和角度。 上述這三種狀況都適用於linear regression 和 logistic regression，下面提出一些方法來避免發生overfitting的狀況： 減少特徵(feature)的數量： 手動挑選那些特徵需要留下 使用model去挑選演算法 正規化： 保留所有的特徵，但是減少了 參數θ j 的magnitude 正規化一樣也可以運作得很好，當我們有一些有用的特徵時。 -------------------------------------------------------------------------------------------------------------------------- Cost Function 如果我們過度擬合我們的hypothesis function，我們可以利用減少hypothesis function裡面項目的權重來減少他們對hypothesis function的影響，如下圖所示： 要是想其cost function不受到過度擬合的影響，可以在cost function裡面加上正規化項，來最小化其 theta parameter，其數學式如下方： -----------------------------------------------------------...

作業系統環境：Windows 10 Python環境：Python 2.7.12和Python 3.5.12 若要在Python3底下安裝jupyter notebook，通常都使用下面命令在CMD底下執行 py -3 -m pip jupyter notebook 想說若是要同時在Python2底下安裝jupyter notebook，應該也是依理類推在CMD底下執行 py -2 -m pip jupyter notebook 但沒想到過程中出現問題，CMD上提示需要安裝Microsoft Visual C++  9.0，就去google並下載安裝完成後再次重新執行指令，想說應該就這樣就完成了。 但發現說打開jupyter notebook之後，居然是下面這畫面，沒有pyhton2的選項可以開啟新檔案(因為我是安裝完成後才重新截圖，故用紅色的線劃掉代表沒有這選項) 此時代表缺Python2的kernel，只要把Python2的kernel加入即可 py -2 -m ipykernel install --user 依理類推，如果缺少的是Python3的kernel，只要把Python3的kernel加入即可 py -3 -m ipykernel install --user 完成後打開jupyter notebook就會發現同時可以開啟Python2和Python3的檔案，如下圖