scratch中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

Data Science from Scratch中文版(第二版)：用Python學資料科學

為了解決scratch中文的問題，作者JoelGrus 這樣論述：

　　從事資料科學方面的工作時，活用各種相關函式庫、軟體框架、模組、工具包是很好的做法，但如果原本完全不懂資料科學，從頭開始也是一種不錯的做法。本書將採取土法煉鋼從頭學起的方式，帶領讀者認識與資料科學相關的許多工具與演算法。 　　你只要具備基本的數學能力，以及程式設計的基礎，本書就可以幫你在遇到相關的數學與統計知識時，不至於感到害怕，而且還能讓你學會一個資料科學家所需具備的相關駭客技術。如今到處充斥著各種雜亂的數據資料，其中包含許多問題的解答，但也有很多微妙之處，甚至連問題本身都還沒被提出來過。如果你真心想要挖掘問題的解答，本書將可以提供你一些相關的知識。 　　．首先來一

堂Python速成班 　　．學習線性代數、統計、機率的基礎知識——並學會何時、如何在資料科學領域中靈活運用這些知識 　　．搜集、探索、清理、轉換、處理各種數據資料 　　．深入理解機器學習的基礎 　　．靈活運用像是k最近鄰、單純貝氏、線性與邏輯迴歸、決策樹、神經網路、集群等種種模型 　　．探討推薦系統、自然語言處理、網路分析、MapReduce與資料庫的相關知識 好評推薦 　　「Joel帶領我們領略探索資料科學，讓我們從一般的好奇心，進入到更深入的理解，並學會所有資料科學家都應該知道的各種實用演算法。」 —— Rohit Sivaprasad, Soylent公司資料科學家 　　「對於想要

了解機器學習的工程師而言，這是一本奠定基礎的最佳入門書。」 -- Tom Marthaler, Amazon專案經理 　　「要將資料科學的概念轉換為程式碼並不容易，這本書讓它變簡單了。」 -- William Cox, Grubhub機器學習工程師  

scratch中文進入發燒排行的影片

改良式智慧家庭電器辨識演算法及其應用之研究

為了解決scratch中文的問題，作者葉祐佑 這樣論述：

本研究以智慧家庭電能管理系統為對象，對現有智慧插座與機器學習演算法於電器辨識上的性能進行改善。智慧家庭電能管理系統由智慧電錶、智慧插座、無線通訊設備及伺服器所組成。本研究透過智慧插座以200Hz取樣頻率收集家用電器運轉特徵參數，使其取得的參數足以代表不同電器啟動至穩態期間之耗電特徵，並藉由Wi-Fi傳送至伺服器，接著使用Z-Score進行數據標準化，並以主成分分析(PCA)演算法將特徵矩陣維度降低，並導入機器學習演算法中進行電器辨識。本研究採用支撐向量機(SVM)、K最近鄰居(KNN)、高斯過程分類(GPC)及Bagging決策樹(BDT)四種分類演算法進行電器辨識，同時以起居室作為使用情境

，針對立式電扇、白熾燈泡、液晶電視、檯燈、桌上型電腦及電腦螢幕等家用電器進行電器辨識，並以準確度、精確度、召回率及F值等指標評估其電器辨識性能。結果顯示SVM的準確度為96.67%，KNN、GPC及BDT皆為98.33%；執行時間方面，SVM最短，約7毫秒；GPC則最長，約12.8秒。