group by r語言的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

【故事寫作大師班套書】(二冊)： 《故事寫作大師班》、《浪漫喜劇寫作大師班》

為了解決group by r語言的問題，作者JohnTruby 這樣論述：

　　《故事寫作大師班：好萊塢知名「劇本醫生」教你STEP BY STEP 寫出絕不跟別人撞哏、兼具情感厚度與立體結構的最強故事》 　　與《作家之路》作者C. Vogler、《故事的解剖》作者R. McKee 　　並列當代好萊塢編劇教學三大導師！ 　　全美最佳劇本寫作課程講義大公開 　　——你私人的故事教練， 　　了解你所有弱點與挫折， 　　讓你終於可以完成一個有情感厚度的好故事，　　 　　從立體的人物，到觀眾猜不到的劇情轉折、不爛尾的結局， 　　全都寫好寫滿！ 　　——主題是故事的腦袋，人物是心臟和循環系統， 　　劇情開展是神經系統，故事結構是骨骼，場景是皮膚—— 　　你的好故事將是

一個活生生的個體 　　有自己的名字與一席之地！　 　　 　　好萊塢知名故事寫作顧問集結３０年經驗 　　傳授創作好故事的終極技藝 　　——一套最精準、實用、有機的寫作技法， 　　22個步驟帶領你穿越創作的迷霧森林， 　　讓你腦海裡那個「非寫不可」的哏， 　　進化為別人寫不出來、世上獨一無二的好故事， 　　在「鬧故事饑荒的時代」被所有人看見！ 　　 　　「特魯比的劇本寫作課程是一套全新的系統， 　　讓創作者具備足夠競爭力，能在好萊塢脫穎而出。」──美國電影協會 　　◆◆◆ 　　John Truby，他是誰？ 　　‧好萊塢首屈一指的故事寫作顧問，「約翰・特魯比作家工作室」（John Trub

y's Writer's Studio）創辦人。 　　‧為多家電影公司、電視台擔任故事寫作顧問和「劇本醫生」（script doctor），包括迪士尼（Walt Disney Studios）、索尼影業（Sony Pictures）、福斯娛樂集團（Fox Entertainment Group），以及HBO電視網、BBC等，「診斷」過的電影、情境喜劇、電視劇劇本超過一千八百部。 　　‧許多好萊塢的成功電影出自他的學生之手，多位暢銷書作者、文學獎得主，也都上過他的課。 　　‧編劇班學生的作品有《星際大戰》、《西雅圖夜未眠》、《驚聲尖叫》、《史瑞克》、《猩球崛起》、《神鬼奇航》、《X戰警》、

《驚奇四超人》、《王牌對王牌》、《危機總動員》、《阿達一族》、《陰間大法師》、《料理鼠王》⋯ 　　特魯比是好萊塢最受推崇的「劇本醫生」，本書可說是他傳授寫作課程三十年的精華。這一套故事創作終極技藝適用於電影、電視、舞台劇劇本，或是傳記、長篇和短篇小說。它告訴你： 　　‧故事是會成長的有生命體，別再只是套用類型（例如偵探片、愛情片或動作片），填上刻板的角色和劇情，寫出機械化、無可救藥的故事！ 　　‧無論選擇什麼媒介或類型，都要將「說故事」視為一門嚴格的技藝，反覆演練，直到掌握精確的技巧。　 　 　　‧演練有機的寫作過程，最重要的是由內而外建構自己的故事，找出故事意念中的獨創之處，讓角色和情

節隨著意念自然發展。 　　＊＊＊ 　　這套寫作課程包含22個實用創作步驟，幫助你發展出一個具整體性的好故事： 　　1.真實自我的揭露、需求和欲望 　　2.幽靈與世界 　　3.弱點／需求 　　4.觸發事件 　　5.欲望 　　6.盟友 　　7.對手／謎題 　　8.對手／假盟友 　　9.第一次揭露與抉擇：改變的欲望和動機 　　10.計畫 　　11.對手的計畫和主要反擊     　　12.驅動力 　　13.盟友的攻擊 　　14.看似落敗 　　15.第二次揭露與抉擇：執迷的驅動力、改變的欲望和動機 　　16.對觀眾的揭露 　　17.第三次揭露與抉擇 　　18.閘門、四面受敵、體驗死亡 　　19.對決

　　20.真實自我的揭露 　　21.道德抉擇 　　22.新的平衡 　　更有一套STEP BY STEP的各階段實用技巧與練習： 　　‧如何透過設計，讓故事更出色 　　‧如何善用七大發展步驟，建構出扎實的故事結構　　 　　‧如何塑造角色，發展出具衝擊力的衝突與對立 　　‧如何確定主題、勾勒道德議題，傳達你的世界觀 　　‧如何打造故事中的世界，與角色的發展產生有機連結 　　‧如何讓象徵發揮特有力量，在不知不覺中牽引觀眾心緒 　　‧如何活用二十二個步驟，發展高潮迭起的劇情 　　‧如何串連角色與行動，交織或增減不同功能的場景 　　‧如何寫作對白、創造潛台詞，為故事增加力道與深度     這一次，

你一定可以跨越那道堅不可摧的創作瓶頸高牆，寫出忠於自己的靈魂、打動人心的獨特作品。 　　我們將從頭開始練習說故事的傑出技巧，最重要的是你由內而外建構自己的故事，達成兩個目標： 　　（1）把故事打造成個人的、唯你所有的；（2）找出故事意念當中獨創性之處，並加以發展。 　　透過本書的每一章，你的故事將逐漸發展，細節愈來愈豐富，每個部分也將相互串連在一起。 　　●故事前提：從這裡開始，將整個故事濃縮為一個句子。從這個故事前提中，你能找出故事的種子，並設想如何讓它成長。這是從故事意念得到的最大收穫。 　　●故事結構七大關鍵步驟：1.弱點／需求 2.欲望 3.對手 4.計畫 5.對決 6.真實自

我的揭露 7.新的平衡點。這七個打造故事結構的關鍵步驟，是發展故事與隱藏於故事表象下的戲劇訊息密碼的主要階段。確定這七大關鍵步驟，能為你的故事帶來鞏固的基礎。 　　●角色：接下來你開始創造角色，但不是憑空創造，而是從故事原始意念裡汲取。你要將每個角色和其他角色相互連結，並加以比較，讓每個角色都強而有力，且定位清楚，接著找出每個角色必須發揮什麼樣的作用來協助主角的發展。 　　●主題（或道德議題）：主題就是你的道德觀，你對人應有的待人處世方式的看法，但不要讓角色成為表達這個訊息的傳聲筒，而是將原本蘊含在故事意念中的主題表現出來。此外，我們會透過故事結構來傳達主題，這樣才會讓觀眾出乎意料，深受感

動。 　　●故事世界：再來，從主角衍生出故事世界。故事世界有助於定義主角，向觀眾具體呈現主角的成長。 　　●象徵網絡：象徵承載了經過高度壓縮的意義。你要構想出一個充滿象徵的網絡，用來凸顯與傳達角色、故事世界和劇情的不同面向。 　　●劇情：你可以從劇中各個角色發掘合適的故事形式；劇情會從你塑造的獨特角色中發展出來。藉由二十二個故事結構步驟（七大關鍵步驟，再加上其他十五個步驟），你將設計出劇情，所有事件將會在表象之外互相連結，建構令人意外但又合乎邏輯的必要結局。 　　●場景編排：開始寫作場景前的最後一個步驟。你要先列出故事中的每個場景，再將所有劇情線和主題交織成漂亮的織錦。 　　●場景建

構和交響樂式的對白：最後就是著手寫作故事，建構每一個場景，讓主角更進一步發展。你寫作的對白不僅推動情節，更具備交響樂的特質，揉合許多「樂器」和層次。 名人推薦 　　資深影評人暨電視電影編劇李達義｜導演易智言｜臺北藝術節藝術總監耿一偉｜導演陳宏一｜作家、編劇劉梓潔｜《九降風》編劇蔡宗翰｜中華編劇學會理事長蔡國榮　推薦（依姓氏筆畫序） 媒體評論 　　《故事寫作大師班》具體而實用，沒有訴諸「三幕結構」等簡化的劇本寫作陳腔濫調。它是你寫出第一部出色劇本不可或缺的指南，也是完整的求生手冊，幫助你在經常充滿困惑、矛盾和激烈競爭的專業電影劇本寫作世界中穩當前進。──拉里．威爾森（Larry Wils

on）《陰間大法師》（Beetlejuice）共同編劇／製片人，《阿達一族》（The Addams Family）電影共同編劇 　　特魯比透過對劇情、角色、調性、象徵與對白的分析，致力讓我們更全面了解故事。他指出其中的重點：劇本創作是有機的，不是機械式的將故事套用現成的框架⋯⋯。強力推薦這本書。──《圖書館週刊》 　　（本書）為各種類型的故事創作者提供內容廣泛且易於理解的指南。對期待將意念落實為作品的寫作者來說，特魯比的大作彌足珍貴。──《書單》雜誌 　　希望脫離「當男孩遇見女孩」的劇本創作窠臼，就找特魯比吧。⋯⋯（他的課程）將為你帶來新的體悟，讓你對自己的劇本和自己的內心看得一樣透徹。──《

洛杉磯週刊》 　　※劇本寫作者真正的聖經。──《後台》雜誌 　　《浪漫喜劇寫作大師班：暢銷好萊塢20年，相遇、分手、復合的喜劇「愛情動力學」》 　　浪漫喜劇＝有情人終成眷屬 　　——當觀眾都已經知道結局， 　　你該怎麼打造扣人心弦的故事？ 　　＊ 　　浪漫喜劇，或許是限制最多的電影類型， 　　男、女主角一定要具備讓觀眾投射或心動的特質； 　　在這段感情中，男主角絕對不能只是為了性，女主角絕對不能只是為了錢。 　　浪漫喜劇，也許是陳腔濫調最多的電影類型， 　　包括刻意營造的可愛相遇或冤家聚首、因為誤會而分手、飛奔機場阻止對方離開…… 　 　　這看似門檻最低的故事類型， 　　其實最需要Sens

e，讓喜劇與愛情都不落俗套   　　●第一本浪漫喜劇寫作專書在台上市 　　●環球影業［劇本顧問＋故事分析師］暨UCLA［作家進修課程講師］、資深〔羅曼史小說作家〕執筆 　　●風靡好萊塢20年的「浪漫喜劇權威寫作指南」最新增修版 　　●從基本觀念建立、以經典電影為例與個別深入解析，到UCLA作家課程的實作練習一網打盡   　　在浪漫喜劇裡—— 　　「人生」就是當我們正忙著別的事之時，偏偏找上我們的那些鳥事 　　喜劇的好處是，它保證會有某種快樂的結局，所有的痛苦都會有所回報。人生的無常在喜 　　劇裡被放到最大，因而變得可笑，讓觀眾從笑聲中同理、同情並理解。   　　1.「反轉」是喜劇的核心原則之一

。折磨你的角色、讓他們痛苦，因為沒有任何事比不幸更好笑。「距離」讓觀眾可以輕鬆看待角色的「悲劇」，同時對受苦的人心生同情。「分享痛苦」是喜劇的功能之一。 　　2.好的喜劇應該誇張卻真實，關鍵在於「嚴肅的搞笑」，例如《今天暫時停止》裡比爾．莫瑞無盡循環的日子；觀眾也許正在發笑，但他正陷入惡夢般的痛苦折磨。編劇要認真看待角色的困境，讓觀眾認定它符合現實人生的情境。 　　3.你的角色越清醒、越感受痛苦，從他們的處境中就越能夠呈現更多的真相和幽默。「折磨」很有用，因為痛苦是讓人吐實、揭露真相的方法之一。浪漫喜劇更會利用共同的難堪、苦難經驗，讓男女主角建立祕密的連結，並透過他們的困境盡可能擴大故事的

趣味。在反轉的法則下，浪漫喜劇也向我們昭告：你越假裝自外於愛情，越會發現自己深陷情感的糾葛之中。   　　◎「愛情」是轉變我們人生的正面力量 　　不論編劇怎麼折磨你的角色、製造各種衝突來推動劇情，浪漫喜劇最終仍必須服膺「愛情作為轉變的力量、作為成長與正向變化的工具」這個基本教條。在此緊箍咒之下，最高明的浪漫喜劇不會依賴外在的問題來升高衝突，而是以內在的衝突作為故事的核心發動機，也就是從男、女主角的內心世界出發。 　　1. 浪漫喜劇是「以角色驅動」的類型，最強大的動力來自人物的內在。它要呈現的不是主角與反派的對抗，核心的正、反對立存在於主角的內心——而愛情，是它的終極解答，例如《愛在心裡口難

開》裡個性乖僻、神經兮兮的傑克．尼克遜遇上愛鬥嘴的女服務生海倫．杭特，最終讓他能夠去關心他人、「想要變成更好的人」，而《派特的幸福劇本》裡「反派」甚至是男主角自身的心理疾病。 　　2. 但角色不能因為愛情而徹底變了樣，讓人認不出來。浪漫喜劇的世界必須可信。編劇應透過具體而特定的細節使角色和劇情具備可信度，讓觀眾感覺進入一個獨特卻又穩固實在的真實世界。 　　3. 在宗旨（愛情至上）、結局（愛情戰勝一切）的夢幻設定下，浪漫喜劇的編劇除了需要顧及角色與故事的可信度，更要深入探究複雜而矛盾的人性，才能讓觀眾真正相信你的角色的世界，準備好接受他們驚天動地的相逢與相守。   　　◎觀眾的笑，來自體認到

自己生而為人卻擁有如此脆弱、荒謬的人性性格決定角色的命運。   　　1. 高明的浪漫喜劇，是編劇對人性體驗的一場熱情探索。劇本要探討的主題，是編劇的個人經驗、態度與洞察力相互交鋒的場域，並以此主題啟動故事的行動、對話、視覺意象，以及角色刻畫。最能打動最多數觀眾的主題，其實來自編劇最個人、真誠的觀點，展現於角色的成長、衝突解決之上，觸發廣大觀眾的共鳴。 　　2. 以愛為催化劑或反對力量來推動情節發展：為什麼這兩個人會相愛？這段關係對他們的人生分別代表什麼意義？如果這個關係無法延續，他們會失去什麼？而比它更重大的問題是：當他們彼此相愛時，會失去什麼？ 　　3. 設計一個最強大的「分手」過程。人

的脆弱與荒謬，是編劇取之不盡的靈感寶庫。   　　禮讚我們對於人生所懷抱的那些恐懼有多愚蠢，這就是浪漫喜劇   　　不論你是劇本寫作新手、正在修本中卡關的編劇，或是想探索浪漫喜劇最新趨勢的業界人士，這本引人入勝、充滿洞見的專業寫作指南，將為你打好基礎、找到突破點，或幫助你深入檢查與改進初稿，從讓人難忘的邂逅到令人興味盎然的「挫敗」轉折、不爛尾的結局，從電影史上最有趣的浪漫喜劇場景編劇祕訣到怎麼打造人物與對白、讓劇情火花四射，甚至為什麼有些情慾戲碼火熱到快讓銀幕燒穿一個洞，有些卻讓人感覺味如嚼蠟…… 　　作者多年來在環球影業閱歷無數精采或蹩腳的劇本，深諳此類型故事各種地雷與編劇的通病，並從他研

究浪漫喜劇數十年的心得出發，建構出一套寫就精采劇本的「基本守則」與「進階心法」，也以此為本在 UCLA 裡教學傳授。 　　浪漫喜劇不只是一套關於相遇、分手、復合的公式，而是一部有機的「愛情動力學」。跟著《浪漫喜劇寫作大師班》一起 Step by Step 建構你的角色，設計情節／結構、主題、視覺意象與對白，表達你的觀點、展現故事的世界，你也可以寫出足以通過好萊塢劇本專家鑑定的成功浪漫喜劇，讓觀眾認可你的故事符合真實人生而得到鼓舞與安慰，在笑聲中相信愛情、相信人生。   本書特色 　　˙閱讀本書，等於參加一整期「浪漫喜劇寫作工作坊」 　　˙從基礎到進階、好萊塢最新趨勢，新手編劇、撞牆期編劇、

資深編劇或影視製片導演都該讀，羅曼史小說作家也適用！ 　　˙5大經典名作深入解析： 　　從《窈窕淑男》研究角色；從《當哈利遇上莎莉》研究主題一致性；從《雲端情人》研究故事可信度；從《淑女伊芙》研究反轉；從《安妮霍爾》研究具有影像感的寫作。 　　˙8大章末練習： 　　UCLA作家進修課程的寫作練習，包括發展劇本的前提和故事概念、透過問卷確立主角的人設細節、決定八個重要節拍的三幕式架構、開始寫稿的檢查清單、初稿完成後的改本重點確認清單等。 　　˙最豐富的經典參考片單、奧斯卡榜單、類別清單（至2020年） 　　——除了主角的內在世界、外在事件，還可以倚賴什麼手法來建立「配對的可信度」，讓觀眾信服你的

男、女主角最後「絕對必須在一起」？ 　　——當觀眾都已經太熟悉浪漫喜劇的套路，編劇如何把陳腔濫調寫出新意？ 　　——除了直球對決，還有哪些「愛的告白」手法讓觀眾感覺到主角的真心或掙扎？ 　　——浪漫喜劇強調精巧的對白，該怎麼運用「視覺語言」讓你的劇本不淪為一連串角色臉部特寫的對話場景？ 　　——性關係在情愛中可以發揮什麼影響？在角色發生關係之前、之後，更值得編劇發揮的是什麼？！   媒體好評 　　「超越通論與定理，本書這些經過課堂實際檢證的練習題可以引導寫作者創造出真實、充滿其個人特色又具有可信度的角色與情節，正中我們每個人心底的浪漫情懷。」——UCLA作家進修課程主任Linda Venis

　　「比利．默尼特在電影方面的學識盡現於具有高度可讀性的《浪漫喜劇寫作大師班》裡。它不是教你寫作『公式』，而是在引導創作者找到『你自己的聲音』。」——《丹佛落磯山日報》（Denver Rocky Mountain News） 　　「《浪漫喜劇寫作大師班》實在太有趣，可以嗨翻香檳的瓶塞。」——電視影集《六人行》編劇兼製作人Alexa Junge

group by r語言進入發燒排行的影片

家庭社經背景、社會資本與文化資本對學生學習表現與教育抱負之影響：植基於PISA 2018臺灣學生的分析

為了解決group by r語言的問題，作者黃隆興 這樣論述：

本研究主要目的在探討家庭社經背景、社會資本、文化資本對學習表現與教育抱負之影響。本研究以PISA 2018的臺灣學生為分析對象，運用結構方程模式來檢定本研究所提出的研究模型，以及研究模型之恆等性。研究結果顯示：1. 家庭社經背景對社會資本與文化資本有正向影響。2. 家庭社經背景、社會資本與文化資本對學習表現有正向影響。3. 家庭社經背景透過社會資本與文化資本對學習表現有正向影響。4. 家庭社經背景、社會資本與文化資本對教育抱負有正向影響。5. 家庭社經背景透過社會資本與文化資本對教育抱負有正向影響。6. 學習表現與教育抱負有正相關。7. 家庭社經背景、社會資本與文化資本影響學習

表現與教育抱負之研究模型具恆等性。 最後，依據研究結果對教育人員、學生家長、後續研究與PISA資料庫提供相關建議。

數據科學入門（第2版）

為了解決group by r語言的問題，作者（美）喬爾•格魯斯 這樣論述：

本書基於Python語言環境，從零開始講解資料科學工作，講述資料科學工作所需的技能與訣竅，並帶領讀者熟悉資料科學的核心知識：數學與統計學。作者借助大量具有現實意義的實例詳細展示了什麼是資料科學，介紹了從事資料科學工作需要用到的庫，如NumPy、scikit-learn、pandas等，還在每章末尾推薦了很多學習資源，幫助你進一步鞏固本書所學。新版基於Python 3.6，重寫了所有示例和代碼，並根據資料科學近幾年的發展，新增了關於深度學習、統計學和自然語言處理等主題，讓圖書內容與時俱進。 喬爾·格魯斯（Joel Grus） Capital Group公司的首席機器學習工程師

，擔任過艾倫研究所的人工智慧研發工程師以及谷歌公司的軟體工程師，還曾在多家創業公司擔任資料科學家。 譯者簡介 嶽冰 美國西北大學數學碩士，知乎專欄“X-Lab”編輯，參與編撰了《知識圖譜標準化白皮書（2019版）》。深耕圖神經網路、推薦演算法、複雜關係網絡風險挖掘、機器學習等領域。運用人工智慧演算法與工具，長期支援有關部門用高精尖技術手段打擊違法犯罪。 高蓉 講師，任教於杭州電子科技大學經濟學院金融系。博士和碩士畢業于南開大學經濟學院金融系，本科畢業于南開大學數學學院計算數學專業。研究領域包括資料科學應用、資產定價、金融工程、計量經濟應用等。 韓波 自由譯者、撰稿人，從事資訊技術工作二

十餘年，主要興趣領域為機器學習、Python等。曾為多家資訊技術媒體撰稿，另譯有《Python資料分析》。 第 2版前言　xiii 第1版前言 xvii 第1章 導論　1 1．1　數據的崛起　1 1．2　什麼是資料科學　1 1．3　激勵假設：Data Sciencester　2 1．3．1　尋找關鍵連絡人　3 1．3．2　你可能知道的資料科學家　5 1．3．3　工資和工作年限　8 1．3．4　付費帳戶　10 1．3．5　感興趣的主題　10 1．3．6　展望　12 第2章 Python速成　13 2．1　Python之禪　13 2．2　獲取Python　14 2．3　虛擬環

境　14 2．4　空白格式　15 2．5　模組　16 2．6　函數　17 2．7　字串　18 2．8　異常　19 2．9　列表　19 2．10　元組　21 2．11　字典　22 2．12　計數器　24 2．13　集　24 2．14　控制流　25 2．15　真和假　26 2．16　排序　27 2．17　列表解析　27 2．18　自動化測試和斷言　28 2．19　物件導向程式設計　29 2．20　反覆運算器和生成器　31 2．21　隨機性 ．．32 2．22　規則運算式　33 2．23　函數式程式設計　34 2．24　壓縮和參數拆分　34 2．25　args和kwargs　35 2．26　類型注釋

　36 2．27　歡迎來到DataSciencester　39 2．28　進一步探索　39 第3章　數據視覺化　40 3．1　matplotlib　40 3．2　橫條圖　42 3．3　線圖　45 3．4　散點圖　46 3．5　延伸學習　48 第4章　線性代數　49 4．1　向量　49 4．2　矩陣　53 4．3　延伸學習　56 第5章　統計學　57 5．1　描述單個資料集　57 5．1．1　中心傾向　59 5．1．2　離散度　61 5．2　相關　62 5．3　辛普森悖論　64 5．4　相關係數的其他注意事項　65 5．5　相關與因果　66 5．6　延伸學習　66 第6章　概率　68 6

．1　依賴和獨立　68 6．2　條件概率　69 6．3　貝葉斯定理　71 6．4　隨機變數　72 6．5　連續分佈　72 6．6　正態分佈　73 6．7　中心極限定理　76 6．8　延伸學習　78 第7章　假設和推論　79 7．1　統計假設檢驗　79 7．2　實例：擲硬幣　79 7．3　p值　82 7．4　置信區間　84 7．5　p-Hacking　84 7．6　實例：運行A/B 測試　85 7．7　貝葉斯推斷　86 7．8　延伸學習　89 第8章　梯度下降　90 8．1　梯度下降的思想　90 8．2　估算梯度　91 8．3　使用梯度　94 8．4　選擇正確步長　94 8．5　使用梯度下降

擬合模型　95 8．6　小批次梯度下降和隨機梯度下降　96 8．7　延伸學習　98 第9章　獲取資料　99 9．1　stdin和stdout　99 9．2　讀取文件　101 9．2．1　文字檔的基礎　101 9．2．2　限制的檔　102 9．3　網路抓取　104 9．4　使用API　106 9．4．1　JSON和XML　106 9．4．2　使用無驗證的API　107 9．4．3　尋找API　108 9．5　實例：使用Twitter API　109 9．6　延伸學習　112 第10章 資料工作　113 10．1　探索資料　113 10．1．1　探索一維資料　113 10．1．2　兩個維度　1

15 10．1．3　多維數據　116 10．2　使用NamedTuple　18 10．3　數據類　119 10．4　清洗和修改　120 10．5　資料處理　122 10．6　資料調整　25 10．7　題外話：tqdm　126 10．8　降維　127 10．9　延伸學習　133 第11章 機器學習　134 11．1　建模　134 11．2　什麼是機器學習　135 11．3　過擬合與欠擬合　135 11．4　正確性　138 11．5　偏差–方差權衡　140 11．6　特徵提取與選擇　141 11．7　延伸學習　142 第12章 k最近鄰法　143 12．1　模型　143 12．2　實例：鳶尾花

資料集　145 12．3　維數災難　148 12．4　進一步探索　152 第13章 樸素貝葉斯演算法　153 13．1　一個簡易的垃圾郵件篩檢程式　153 13．2　一個複雜的垃圾郵件篩檢程式　154 13．3　演算法實現　155 13．4　測試模型　157 13．5　使用模型　158 13．6　延伸學習　161 第14章 簡單線性回歸　162 14．1　模型　162 14．2　使用梯度下降法　165 14．3　最大似然估計　166 14．4　延伸學習　166 第15章 多元回歸　167 15．1　模型　167 15．2　最小二乘模型的進一步假設　168 15．3　擬合模型　169 15

．4　解釋模型　171 15．5　擬合優度　171 15．6　題外話：Bootstrap　172 15．7　回歸係數的標準誤差　173 15．8　正則化　175 15．9　延伸學習　177 第16章 邏輯回歸　178 16．1　問題　178 16．2　logistic函數　180 16．3　應用模型　183 16．4　擬合優度　184 16．5　支持向量機　185 16．6　延伸學習　188 第17章 決策樹　89 17．1　什麼是決策樹　189 17．2　熵　191 17．3　分割的熵　193 17．4　創建決策樹　194 17．5　綜合運用　196 17．6　隨機森林　199 17．7

　延伸學習　199 第18章 神經網路　200 18．1　感知器　200 18．2　前饋神經網路　202 18．3　反向傳播　205 18．4　實例：Fizz Buzz　207 18．5　延伸學習　210 第19章 深度學習　211 19．1　張量　211 19．2　層抽象　213 19．3　線性層　215 19．4　把神經網路作為層序列　218 19．5　損失函數與優化器　219 19．6　實例：重新設計異或網路　221 19．7　其他啟動函數　222 19．8　實例：重新解決Fizz Buzz問題　223 19．9　softmax函數和交叉熵　224 19．10　丟棄　227 19．1

1　實例：MNIST　227 19．12　保存和載入模型　231 19．13　延伸學習　232 第20章 聚類分析　233 20．1　原理　233 20．2　模型　234 20．3　實例：聚會　236 20．4　選擇聚類數目k　238 20．5　實例：色彩聚類　239 20．6　自下而上的分層聚類　241 20．7　延伸學習　246 第21章 自然語言處理　247 21．1　詞雲　247 21．2　n-gram 語言模型　249 21．3　語法　252 21．4　題外話：吉布斯採樣　254 21．5　主題建模　255 21．6　詞向量　260 21．7　遞迴神經網路　268 21．8　實例

：使用字元級RNN　271 21．9　延伸學習　274 第22章 網路分析　275 22．1　仲介中心性　275 22．2　特徵向量中心性　280 22．2．1　矩陣乘法　280 22．2．2　中心性　282 22．3　有向圖與PageRank　283 22．4　延伸學習　286 第23章 推薦系統　287 23．1　人工管理　288 23．2　推薦流行事務　288 23．3　基於用戶的協同過濾　289 23．4　基於項目的協同過濾　292 23．5　矩陣分解　294 23．6　延伸學習　298 第24章 資料庫與SQL　299 24．1　CREATE TABLE與INSERT　299

24．2　UPDATE　302 24．3　DELETE　303 24．4　SELECT　304 24．5　GROUP BY　306 24．6　ORDER BY　308 24．7　JOIN　309 24．8　子查詢　311 24．9　索引　312 24．10　查詢優化　312 24．11　NoSQL　313 24．12　延伸學習　313 第25章 MapReduce　314 25．1　實例：單詞計數　315 25．2　為什麼是MapReduce　316 25．3　更一般化的MapReduce　317 25．4　實例：狀態分析更新　318 25．5　實例：矩陣乘法　320 25．6　題外話：組合

器　321 25．7　延伸學習　322 第26章 數據倫理　323 26．1　什麼是數據倫理　323 26．2　講真的，什麼是數據倫理　324 26．3　是否應該關注資料倫理　324 26．4　建立不良資料產品　325 26．5　精確與公平之間的較量　325 26．6　合作　327 26．7　可解釋性　327 26．8　推薦　327 26．9　異常數據　328 26．10　資料保護　329 26．11　小結　329 26．12　延伸學習　329 第27章 資料科學前瞻　330 27．1　IPython　330 27．2　數學　331 27．3　不從零開始　331 27．3．1　NumPy　

331 27．3．2　pandas　331 27．3．3　scikit-learn　331 27．3．4　視覺化　332 27．3．5　R　332 27．3．6　深度學習　332 27．4　尋找資料　333 27．5　從事資料科學工作　333 27．5．1　Hacker News　333 27．5．2　消防車　333 27．5．3　T恤　334 27．5．4　地球儀上的推文　334 27．5．5　你的發現　335 關於作者　336 關於封面　336

數據驅動下之不動產價格分析與預測暨模型視覺化 - 以複數年之高雄不動產實價登錄資料為例

為了解決group by r語言的問題，作者黃信博 這樣論述：

不動產的取得往往需付出龐大的價格去取得，不管是平常生活起居的房屋、商業辦公的大樓，或者其他形式的不動產。而近年，外在經濟因素與環境因素，不動產成為投資工具，導致不動產價格呈現高漲不跌的型態。因而衍生了居住正義、都市更新等相關議題，儘管政府實施許多相關政策，但不動產價格還是容易受各種消息面影響，如何取得合理價格的問題仍然存在。過往有許多研究與文獻透過各種學理理論、政策制度層面、亦或是探討其他因素所帶來的影響，來評估不動產價格是否在合理區間。而比較少關注龐大的不動產數據中，眾多變數是否具有值得參考的價值提供給使用者。因此，本研究從臺灣經濟新報數據庫之不動產實價登錄系統，蒐集2019年7月至202

1年6月高雄市地區不動產數據作為研究樣本。基於數據驅動的理念，利用資料探勘技術中的分群方法，將資料檔內的數值型與非數值型的混合資料，以相關與距離兩判別要素，將資料檔內的變數予以集群，以失去微量的訊息量為代價，而達到變數減量之目的。如此，有利於建立後續的不動產價格分析與預測之模型。再針對不同集群建構混合線性迴歸模型進行不動產價格預估與各模型間比較。最後整合至R-Shiny，開發視覺化分析系統，作為結果之呈現。