RootOnChair

Tôi vừa đọc xong cuốn "Thư" của tác giả Keigo Higashino. Bạn có thể biết ông thông qua các tác phẩm như "Phía sau nghi can X" hay "Điều kỳ diệu của tiệm tạp hóa Namiya". Trong tác phẩm lần này, Keigo mang đến cho chúng ta câu chuyện về cuộc sống của người em Naoki khi có anh trai là thủ phạm của một vụ cướp của giết người. Tuy nhiên, không giống như những gì chúng ta thấy trong phim ảnh thường ngày sử dụng chất liệu này để miêu tả về cuộc sống tù ngục. Đối với Keigo, đó chỉ là cái cớ để dẫn ta vào một thế giới khác, thế giới của những người thân của thủ phạm bị những con người trong xã hội kỳ thị vì là người thân của một kẻ giết người. Cậu chỉ có một mình khi phải chống chọi tất cả. Tuy nhiên, điều đáng ghét là, thay vì là một người đưa đường dẫn lối cho câu chuyện, Keigo chỉ làm một tấm gương bình thản, vô cảm phản chiếu sự thật. Hết lần này đến lần khác, tôi đều cảm thấy bức xúc với cách mà mọi người đối xử với Naoki nhưng rồi phải tự rủa mình khi n

Ở bài này, chúng ta sẽ sử dụng thư viện Numpy để tiến hành cài đặt thuật toán Linear Regression. Không giống những lần trước, khi chương trình của tôi chỉ xử lý được dữ liệu một chiều. Lần này, chúng ta có thể mở rộng ra cho dữ liệu nhiều chiều bằng cách vector hóa chúng. (Nếu bạn không biết vector hóa, bạn có thể xem lại bài viết này ). Trước khi bắt đầu, ta cần phải quy ước trước kích thước của các tham số trong thuật toán Linear Regression. Để cho thuận tiện, tôi sẽ sử dụng quy ước dưới đây: 𝐗 \boldsymbol{X} sẽ là ma trận chứa các mẫu dữ liệu. Ma trận này có kích thước m × n m\times n tức là mỗi dòng sẽ là một điểm dữ liệu, còn mỗi dòng sẽ là một feature. 𝐲 \boldsymbol{y} sẽ là một vector chứa các nhãn có độ dài m m . 𝛉 \boldsymbol{\theta} sẽ là vector chứa các tham số của ta có độ dài n n . Tới đây bạn có thể thắc mắc tại sao lại là n n mà không phải n + 1 n+1 vì ta cần một chỗ cho x 0 x_0 và θ 0 \theta_0 . Lý do sẽ được giải thích ngay sau đây. Khác với lần trước