新年新希望

對於我而言過年已經沒甚麼了  就是放假還可以領薪水還有氣氛

記得年經時過年都匯給自己設定一個目標  記得都是以學習為主

很少以物品如一台汽車或是有多少錢  隨著年紀漸長開始覺得錢很重要了

以前認為錢夠花就好了部會太在意  所以都沒再存錢

從104年6月離開九福後我的人生就是一次的轉折及翻轉

拋開既有的權力位置  拋開既有再公司的地位  拋開既有的客戶

讓自己重新而來但這是不容易的  106年再度回到以前的公司

這時才知道薪水的可貴  而為什麼要拋開這一切

因為身體累心也累  可以說經驗不夠帶領團隊  以致搞得自己很累

加上薪資的不穩定做得累得要死  還要跟母親就錢  搞得自己好像做生意

沒錯諸多跡象都要告訴我該離開了  是離開了但我的心被以前的疲倦及焦慮糾纏著

無法擺脫進了一家新公司又要適應文化及人事  還要擺脫以前的挫折及惡習

是的!我再度回到原公司療傷  只有面對以前的環境才能從以前的焦慮及挫折中走出來

原公司還是讓我回去了  我想對我也是有些愧歉吧!所以再回來的三年裡

每天只有面對自己  沒有電話  沒有專案  沒有部屬的日子  但還是做一樣的事

在這樣得環境中才能再度藉由事件看清自己的心  當看了差不多時上天也知道了

老闆在109年的10月結束這一段關係

新工作的三個月

在這家公司過完農曆年就滿三個月了，在這三個月內發現了很多事

對於專案而言以前的公司中著重於需求的定義及系統分析及設計

基本上完成需求定義對於系統分析就會很輕鬆，開始著重在人員的管理及鼓勵

而在這家公司對於系統的定需求分析及管理基本上沒有哪麼嚴重?

很多系統面都是以複製的方式在執行，相對專案的負載比以前輕很多

這對於我面對專案又有不一樣的認識，反而領域知識相對重要

至於系統面也是在解決領域知識上的問題，所以對個子系統能解決業務上甚麼問題反而重要

因為這家公司已經累積很久的東西，我需要了解可以解決甚麼問成為至關重要的關鍵

刺客教條_梟雄 玩後心得

 每年過年都會買上一款過期的遊戲，去年買了黑旗

而今年當然也要買一款刺客教條系列的產品來殺時間

過年嘛?每天去喝酒  每天找朋友  也不是甚麼辦法?

當然我也不是甚麼PS重度玩家  甚麼遊戲都玩

就是過年假期到那都是人都是塞  所以自己在家玩遊戲就是個不錯的選擇

當然前面說過我不是重度玩家  太硬核的遊戲我也不太想玩

像仁王  魔物獵人都是硬核玩家在玩  對於我而言都太挫折了

所以像刺客教條的沙盒遊戲就很適合我  有劇情帶我進入遊戲的世界 

所以去年買了黑旗一個過年玩了七天  給我很多的感觸

記得還寫了一段感言  但今年買的梟雄  真的不知怎麼說

玩起來像看門口的感覺  說劇情也就很鬆散  說打鬥有啦....但不知怎麼說

所以玩起來像嚼蠟的感覺因為劇情太鬆散了沒有帶入感

所有的機制像看門口2的感覺  過關機制也很鬆散  

兩個人物讓我選這個關卡用弟弟下一個用姊姊  搞得我好亂  都讓我不知怎麼選

當然這讓使用者有不同的體驗是沒錯  但就覺得玩起來卡卡  無法有一直玩下去的感覺

當然價錢也不會很貴  也就284元  真的 ......無言........搞得我都想寫程式殺時間

R_線性回歸和多元回歸

線性回歸簡介

線性回歸是在統計領域開發的一種簡單算法。顧名思義，線性回歸假設輸入變量和單個輸出變量之間存在線性關係。不用說，輸出變量（您要預測的）必須是連續的。可以將輸出變量計算為輸入變量的線性組合。

線性回歸有兩個類型包含簡單線性回歸僅一個輸入變量；第二個為多元線性回歸可多個輸入便量。

您可以使用線性回歸模型通過檢查係數來了解哪些特徵很重要 。如果係數接近零，則認為相應特徵的重要性不如係數為大的正值或負值。

一般來說線性回歸模型都有假設，包含以下

1. 線性假設 -模型假設變量之間的關係是線性的
2. 無噪音 -模型假設輸入和輸出變量沒有噪音-因此請盡可能消除異常值
3. 沒有共線性 -輸入變量高度相關時，模型將過擬合
4. 正態分佈 —如果您的輸入和輸出變量呈正態分佈，則模型將做出更可靠的預測。如果不是這種情況，請嘗試對變量使用一些轉換，使它們看起來更普通
5. 重新 縮放的輸入-使用縮放器或歸一化器做出更可靠的預測

從零開始的簡單線性回歸

如果只有一個輸入變量，則需要處理簡單的線性回歸。在大多數情況下不會是這種情況，但知道就不會感到受傷。一個簡單的線性回歸可以表示為：

如您所見，您需要預先計算兩個術語-Beta。首先，您將了解如何計算Beta1，因為Beta0取決於它。公式如下：

這是Beta0的公式：

library(ggplot2)

# Generate synthetic data with a clear linear relationship

x <- seq(from = 1, to = 300)

y <- rnorm(n = 300, mean = x + 2, sd = 25)

# Convert to dataframe

simple_lr_data <- data.frame(x, y)

# Visualize as scatter plot

ggplot(data = simple_lr_data, aes(x = x, y = y)) +

  geom_point(size = 3, color = "#0099f9") +

  theme_classic() +

  labs(

    title = "Dataset for simple linear regression",

    subtitle = "A clear linear relationship is visible"

  )

上述程式碼我們使用seq函式產生1到300序列數存放於X；Y使用了常態分佈n帶屌有300各，mean平均值為x的序列值+2，sd為標準差為25。

接下來轉換資料框架並用ggplot繪製散點圖