--- type: product schema_version: "1.0" canonical_url: "https://tw.bid.yahoo.com/item/101222504741" item_id: "101222504741" title: "益大資訊~集成式學習:Python實踐!整合全部技術,打造最強模型 9789863126942 旗標 F2387" condition: "全新品" currency: "TWD" current_price: 593 stock_status: "in_stock" seller: id: "Y1221244390" name: "益大資訊電腦圖書專賣店" images: - url: "https://img.yec.tw/ob/image/735b7ba2-b870-4f93-8b04-4bb423b9737a.jpg" role: "main" alt: "商品主圖" category_id: "2092073795" category_name: "程式語言" breadcrumb: - id: "3994318" name: "圖書/影音/文具" url: "/tw/%E5%9C%96%E6%9B%B8-%E5%BD%B1%E9%9F%B3-%E6%96%87%E5%85%B7-3994318-category.html" - id: "2092064185" name: "圖書與雜誌" url: "/tw/%E5%9C%96%E6%9B%B8%E8%88%87%E9%9B%9C%E8%AA%8C-2092064185-category.html" - id: "2092073792" name: "電腦/網路" url: "/tw/%E9%9B%BB%E8%85%A6-%E7%B6%B2%E8%B7%AF-2092073792-category.html" - id: "2092073795" name: "程式語言" url: "/tw/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80-2092073795-category.html" observed_at: "2026-08-23T07:51:54.296Z" --- # 益大資訊~集成式學習:Python實踐!整合全部技術,打造最強模型 9789863126942 旗標 F2387 ## 價格 目前價格：NT$593 原價：NT$750.00 庫存狀態：有庫存 可售數量：10 資料時間：2026-08-23T07:51:54.296Z ## 分類 分類名稱：程式語言 分類路徑： 圖書/影音/文具 > 圖書與雜誌 > 電腦/網路 > 程式語言 ## 商品狀態 商品狀態：全新品 ## 賣家資訊 賣場名稱：益大資訊電腦圖書專賣店 賣家 ID：Y1221244390 ## 商品描述 益大資訊~集成式學習:Python實踐!整合全部技術,打造最強模型 9789863126942 旗標 F2387 出版社：旗標 出版日期：2022年2月9日 ISBN：9789863126942 書號：F2387 定價：750 元 售價：593元 別再傻傻只選一個模型 訓練很多模型，卻不知道應該選哪一個？沒有一個模型達標？每個模型都有其優缺點，無法取捨？ 小朋友才做選擇，大人全都要！你該試試集成式學習！ 集成式學習是使用 2 種或更多的機器學習演算法，來組合出預測能力更好的模型。DeepMind 已經使用集成式學習來組合多個神經網路，控制 Google 資料中心的運作效能；集成式學習技術也在 Kaggle 平台上，席捲了各個競賽的第一名寶座。因此，集成式學習是建立出更具威力的模型，不可或缺的技術之一。 本書會介紹實務上常見的集成式學習演算法，如硬投票、軟投票、堆疊法、自助聚合法、適應提升法、梯度提升法、隨機森林、極端隨機樹等，並且使用熱門的 scikit-learn、Keras、OpenEnsembles、XGBoost 等 Python 函式庫來實作各種不同的集成式學習技術，建構出一個強大的模型。熟稔本書的內容後，不但可以精通集成式學習，在實際情境中面對問題時，亦能具備充分的專業知識判斷適用的集成式學習方法，並成功實作它們。 書中採用「做中學」的方式，讓你不僅可以快速掌握理論基礎，也能了解各種集成式學習技術的實作，再加上運用真實世界中的資料集，你將能夠建立出更佳的機器學習模型，以解決各種問題，包含迴歸、分類、分群。 現在翻開本書，讓我們一起進入集成式學習的世界，整合你所會的全部技術，打造最強大的模型。 本書特色: ● 繁體中文第 1 本集成式學習專書，告訴你不要再傻傻地只選一個模型 ● 完整介紹集成式學習中常見的演算法，包含極端隨機樹、堆疊法、自助聚合法、提升法等 ● 一書掌握實作集成式學習的必備套件，如 Scikit-Learn、OpenEnsembles、XGBoost 等 ● 用 Python 刻演算法給你看，接著告訴你怎麼用套件。讓你不只會做，還懂為什麼這麼做 ● 以 5 個實務案例來展示集成式學習的威力 ● 本書由施威銘研究室監修，內容易讀易懂，並加入大量「小編補充」補充必要知識 ● 本書 Python 範例程式免費下載 第一篇 機器學習基礎知識 第 1 章 機器學習的概念 1.1 資料集 1.2 監督式學習與非監督式學習 13 效能指標（Performance Measures） 1.4 模型驗證（Validation） 1.5 機器學習演算法 1.6 小結 第 2 章 初探集成式學習（Ensemble Learning） 2.1 何謂偏誤與變異 2.2 評估偏誤與變異 2.3 集成式學習（Ensemble Learning） 2.4 小結 第二篇 非生成式演算法 第 3 章 投票法（Voting） 3.1 多數決投票 3.2 使用 Python 實作硬投票 3.3 使用 Python 實作軟投票 3.4 小編補充：加權軟投票 3.5 小結 第 4 章 堆疊法（Stacking） 4.1 超學習（Meta-learning） 4.2 超學習器的訓練資料集 4.3 超學習器的測試資料集 4.4 選擇學習器（Learner） 4.5 使用堆疊法處理迴歸問題 4.6 使用堆疊法處理分類問題 4.7 建立堆疊的函式 4.8 小編補充：堆疊的其他技巧 4.9 小結 第三篇 生成式演算法 第 5 章 自助聚合法（Bootstrap Aggregation） 5.1 自助抽樣法 5.2 自助聚合法的原理 5.3 使用 Python 實作自助聚合法的完整機制 5.4 平行化（Parallelize）自助聚合法 5.5 使用 scikit-learn 提供的自助聚合法處理分類問題 5.6 使用 scikit-learn 提供的自助聚合法處理迴歸問題 5.7 小結 第 6 章 提升法（Boosting） 6.1 適應提升（Adaptive Boosting, AdaBoost） 6.2 使用 Python 實作適應提升的完整機制 6.3 使用 scikit-learn 提供的適應提升處理分類問題 6.4 使用 scikit-learn 提供的適應提升處理迴歸問題 6.5 梯度提升（Gradient Boosting） 6.6 使用 Python 實作梯度提升的完整機制 6.7 使用 scikit-learn 提供的梯度提升處理迴歸問題 68 使用 scikit-learn 提供的梯度提升處理分類問題 6.9 使用 XGBoost 提供的梯度提升處理迴歸問題 610 使用 XGBoost 提供... ## 圖片 | 類型 | 圖片 URL | 說明 | |---|---|---| | 主圖 | https://img.yec.tw/ob/image/735b7ba2-b870-4f93-8b04-4bb423b9737a.jpg | 商品主圖 | ## 運送與付款 運送方式： | 方式 | 費用 | |---|---:| | 郵局掛號 | 免運費 | | 7-ELEVEN取貨付款 | 免運費 | | 萊爾富取貨付款 | 免運費 | | 面交/自取/不寄送 | 免運費 | 付款方式： - ATM轉帳 - 萊爾富取貨付款 - 7-ELEVEN取貨付款 ## 退換貨政策 依照消費者保護法規定，網購商品享有七天猶豫期（非試用期），特殊商品除外。 ## Canonical URL https://tw.bid.yahoo.com/item/101222504741