除錯 (debug)

做迴歸的時候，一般使用平方誤差；可以利用微積分，求得解析解 (*)。

如果使用絕對誤差，有時候比較接近真實的情況，受限的問題沒有公式解；但是，利用變數變換，可以使用線性規劃求得最佳解。希望讓同學們知道，工業系的作業研究很重要，可應用在機器學習。

不知道為什麼，常給自己出難題，一定要用 Gurobi 求解一下。在 Spyder 下，明明訓練的資料大小是對的，總是出現索引錯誤。看了好幾個小時，還是找不到原因。昨天擔任口委前，還和朋友教授，花了一個小時找蟲。今天又花了一二個小時，甚至改資料集、資料格式、亂數產生器，都沒有用。今晚 11 點，在我已經快累垮之前，嘗試最後一次。在做標準化之前，將 pandas的資料，轉成 NumPy，再做後續的所有處理，總算成功。

我常講，老師沒有比較聰明，只是不想放棄，然後就成功解決問題了。

(*) I posted the message on Facebook. One comment by my friend:

Lance Wu:

not quiet, the square is related to variance which is tied to stat inference . the absolute distance is difficult in terms of Stat distribution.

Me

Thanks a lot! I am not familiar with statistics. Do you mean that we could get the estimated covariance matrix under least squares, and so on?

BTW, the l1-norm approach is popular in data science. It turns out that the famous Lasso is related to robustness which is important in the real environment.