regression
（續上週
使用較多引數後，test data得到的值反而更差，出現過擬合
此時改變loss函式為
l =l=
l=∑ n(
y^n−
(b+∑
ωixi
))2+
λ∑(ω
i)2\sum_(\hat^-(b+\sum \omega _x_))^2+\lambda \sum (\omega _)^2
∑n(y^
n−(
b+∑ω
ixi
))2
+λ∑(
ωi)
2（具有更小ω
i\omega _
ωi的函式更好）
實驗的結果：
發現此時調整函式只需要調整λ
\lambda
λ即可basic concept^
\hat
f^複雜的模型具有較小的bias，較大的variance，其平均卻會接近f
^\hat
f^原因：簡單的模型包含的function較少，可能取值並不包括f
^\hat
f^所以儘管平均，仍和f
^\hat
f^有較大偏差
模型的診斷（diagnosis）：
//underfitting
training data不能符合模型，說明此時bias大，應該：增加更多特徵（引數）/使用更複雜的模型
//overfitting
training data可以很好的符合模型但testing data出現很大的錯誤，說明此時variance大，應該：增加資料量/正則化（regularization）（在loss函式中使用的方法，使模型平滑）
n-fold cross validation：
將訓練集分為n部分（train1 train2 … trainn−
1n_nn−1
val）
多次進行error的計算求平均值 再將整個training set、testing set適用於此時最好的模型##
import numpy as np
import cv2 as cv
img = cv.imread('box.png',0) #載入影象（0表示灰度圖）
cv.imshow('image',img)
k = cv.waitkey(0)
if k == 27: #等待輸入『esc『則退出
cv.destroyallwindows()
elif k == ord('s'): #等待輸入『s』則儲存
cv.imwrite('messigray.png',img)
cv.destroyallwindows()
』esc『退出
『s』儲存檔案（messigray.png）
②使用matplotlib
#coding=utf-8
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('box.png',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic') //顯示
plt.xticks(), plt.yticks() #方框內引數為空表示隱藏x、y軸
plt.show()
matplotlib繪圖樣式和功能
（下次詳細學習）
matplotlib庫的安裝：
首先嘗試
pip install matplotlib後使用
sudo apt-get delete package python-matplotlib再
sudo apt-get autoremove python-matplotlib然後重新
sudo apt-get install python-matplotlib③
mysql學習記錄 MySQL學習記錄 2
in 子查詢 select from student where id in 1,2 not in 不在其中 select from student where id not in 1,2 is null 是空 select from student where age is null is not...
java學習記錄
陣列雖然是引用資料型別，但它不是類 所以數字中沒有length 方法 只有length屬性。string型別 是乙個類 jdk中已經封裝好的類，是個final類，你可以去查api 類就有屬性和方法但是 string類中沒有length屬性，只有length 方法 1。陣列雖然是引用資料型別，但它不是...
Linux 學習記錄
1.linux 拷貝隱藏檔案 進入當前需要拷貝的目錄，即源目錄 假如 source 拷貝到 centos5.3 cd source tar cf cd centos5.3 tar xvf 或者 cp r centos5.3 2.linux 下新增postgresql 使用者 進入 postgresq...