昨天成功將自己測試完的上傳上去了，發現排名不是說很好啊！畢竟自己也僅僅碰過一年而已，一定還有很多沒使用到的方法可以讓loss再更下降的！

還可以怎麼更好？

自己想到＋上網觀摩的方向有：

1. 異常值沒有處理，異常值可以這樣說，例如我們只看坪數和房價間的關係，那麼通常幾乎是正比，但在這筆訓練資料中其實有些異常值出現，坪數上升房價反而下降到谷底。
2. 資料轉換後不夠平滑，有看到其他人再做將字串上label後還會做log曲線，讓資料更加平滑。
3. 演算法替換，如ElasticNet、嶺迴歸和隨機森林等等。

目前想到就這些，有其他想法的邦友歡迎提供指教～謝謝。

那我們來總結一下，看完這三十天你應該要會什麼！

30天到底學了啥

【Day 02 】～【Day 07】可以先對機器學習的步驟以及基礎概念有所認知！
【Day 08～【Day 18】開始建立環境，並介紹許多常用在機器學習的套件們！
【Day 19】～【Day 29】介紹kaggle這個學習練習的好地方，並開始建立資料處理、神經網路建立、訓練模型、預測測試集，最後上傳到kaggle看看結果！

致謝

終於來到第三十天了，中間經歷過許多風風雨雨阿！真的要建議要參加鐵人賽的朋友們要先囤積一下文案，不然有時候其他事情一來，真的會忙不過來！希望有再關注的夥伴學得還可以，也期望讓剛踏入這塊領域的新手能有些了解。

感謝有在閱讀我的文章的朋友們，原本以為這是做過的題目寫起來會非常簡單，但是後來也發現自己有些觀念不是很清楚，更無法說服自己，每每寫一篇都要花上數多個小時，中間也遇上了功課壓榨、告白失敗的劫難，真的很慶幸自己走過來了，可以將鐵人賽完成，真的謝謝大家的支持！