垃圾郵件的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Python機器學習實踐

為了解決垃圾郵件的問題，作者 這樣論述：

本書介紹機器學習經典算法的原理、實現及應用，並通過綜合案例講解如何將實際問題轉換為機器學習能處理的問題進行求解。本書配套源碼、PPT課件、習題答案、開發環境與QQ群答疑。 本書共分14章。內容包括k近鄰算法、樸素貝葉斯、聚類、EM算法、支持向量機、決策樹、線性回歸、邏輯回歸、BP神經網絡經典算法，以及垃圾郵件分類、手寫數字識別、零售商品銷售量分析與預測、個性化推薦等綜合案例。本書算法首先給出了數學原理及公式推導過程，然後給出算法實現，最後所有算法及案例均以Python實現，方便讀者在動手編程中理解機器學習的經典算法。 本書適合Python機器學習初學者、機器學習

開發人員和研究人員使用，也可作為高等院校計算機、軟件工程、大數據、人工智能等相關專業的本科生、研究生學習人工智能、機器學習的教材。

垃圾郵件進入發燒排行的影片

前期崩塌與因子重要性於崩塌潛勢評估模型表現之研究

為了解決垃圾郵件的問題，作者葉宗鑫 這樣論述：

台灣位處板塊交界帶，山坡地比例約占全島的74%，在921大地震後使原本脆弱的地質更加不穩定，加上全球受極端氣候影響加劇，從海棠、敏督利、辛樂克颱風，到後來的莫拉克颱風等超級強颱的頻繁出現，引發山區崩塌和土石流災害，造成生命財產的損失。由此可知，當務之急就是能針對山坡地的易崩特性加以預測、警戒，並在天災來臨前提前預警，是未來在坡地災害管理中最重要的課題。前人的研究花費大量心力於平衡資料和不平衡資料的分析，但其結果顯示出平衡資料(1:1)擁有較優異的預測表現；而在因子的選用上，則是以6個地文因子加上前五年崩塌地占比和雨量因子去做訓練以及驗證。為了增加預測模型的準確性，本研究於平衡資料(1:1)上

做更深入的研究。至於在崩塌因子的方面，則是先新增地文因子，再透過隨機森林(RF)演算法找出最具影響力之因子，做出排名跟比重，最後將前幾名的因子提出，另外建模，並和前人研究做比較，取得準確性較高的預測模型。根據研究結果可以發現，挑出重要因子後，會將各個因子的影響力放大，使得整體預測模型的準確度上升。因此，為了得到更加優秀的預測模型，需將不同模型中同為重要性高的因子取出並額外建立出擁有最高準確度之模型，而經過驗證後也證實該模型確實有最好的Accuracy，不過卻導致Precision或Recall兩種指標的數值起伏不定的問題，其原因會於本文中做更深入的探討及分析。依研究成果顯示，15因子之崩塌預測

模型之驗證結果呈現出最佳的品質指標數值，而該模型之因子數與前人研究相比更是減少了許多，不僅大幅降低前處理的製作時間仍能保有其準確率，並驗證前期崩塌因子的重要性。因此在後續崩塌潛勢評估的分析，應納入前期崩塌因子，與驅動因子(雨量)一同建立適合防災應變運用之評估模型。

AI製造商沒說的祕密： 企業巨頭的搶才大戰如何改寫我們的世界?

為了解決垃圾郵件的問題，作者CadeMetz 這樣論述：

★本書榮獲《科克斯書評》、《圖書館雜誌》星級評論 ★《AI新世界》作者李開復：把AI的進展寫成一個迷人的故事。 ★《賈伯斯傳》作者：從人性看待人工智慧，令人手不釋卷。 ★《鋼鐵人馬斯克》作者：如果你想用一本書認識AI，就是這本了。   我們打造的AI天才，已經可以打敗人類的天才。 我們該放任AI發展到何種境地？ 當國家利益、股東價值、科學家理念和個人安全產生衝突， 掌握劃時代科技的企業如何取捨？   　　◤首部以AI科學家為主軸的報導文學， 　　用最貼近我們的視角，揭露人工智慧的機會、局限與威脅。◢   　　伊隆．馬斯克認為，人工智慧正以令人擔憂的速度進步，他說：「如果科學家開發一套打擊垃

圾郵件的系統，該系統最終可能會認定，最佳方法就是消滅全人類。」但谷歌的賴瑞．佩吉和臉書的馬克．祖克柏則認為，對人工智慧有如偏執狂的憂慮，有礙於數位烏托邦的實現。AI的發展到底該不該受到監控，成了一個爭議不斷的議題。   　　自從一名因為脊椎問題終生無法再坐下的科學家傑弗瑞．辛頓，點燃了微軟、谷歌、臉書、百度等科技巨頭的搶才大戰。迄今，AI已與我們息息相關，除了日常應用，也正在與軍事武器搭上線。一旦發展成熟，軍事衝突的規模勢必遠大於過去，發動速度之快也將超乎人們的理解。然而，誰有權做這影響數十億人口的決策？又是誰在參與此一決策？   　　從隱私疑慮到軍事武器，科學家曾被蒙在鼓裡，摸不清發明作何用

途，而參與其中的企業選擇對大眾保持沉默。一項強大的工具，可以使之為善，也可以使之為惡。當我們在為AI的進展感到讚歎，有些威脅也正在悄悄萌芽。   　　◤超智慧機器人的誕生，或許不是近在咫尺，  　　但它將造成的影響，從現在就要開始警覺。◢   　　◆我們打造的AI天才，已經可以打敗人類的天才   　　自IBM的深藍超級電腦在一九九七年打敗世界頂尖的西洋棋高手，人工智慧相繼在跳棋、西洋棋等棋局打敗人類，唯獨圍棋是個難以跨越的門檻，牽涉到的計算異常繁複。但在二○一六年，人工智慧踢館成功，那決定性的第三十七手迫使對方投子認輸，那是人類只有萬分之一機率會採行的一步棋，但人工智慧透過自我學習系統判定那是

可以獲勝的險招。   　　◆當多數人被排除在AI製造過程之外，此一科技就只會圖利少數人   　　早期的臉孔辨識把黑人女性誤認為大猩猩，讓科學家開始思索到底哪裡出了錯，後來發現癥結就在於「輸入」。人工智慧的完善仰賴的是科學家餵給它的數據，但在這個白人男性占多數的領域裡，餵給系統的數據在沒有察覺的情況下有所偏頗，於是臉孔辨識用在白人男性身上有100%的準確率，但是遇到膚色愈深的女性，錯誤率就愈高。在科學家指出此一疏漏之時，正值亞馬遜積極要把此項科技推銷給警察與政府單位，它在社群上指責科學家的報告是在誤導，並造成大眾對於新科技的恐慌。   　　◆AI的加入，將會改寫未來戰爭的定義   　　谷歌曾參與

美國國防部的「專家計畫」，開發能在沙漠辨識人、車、建築的系統供無人機使用，此計畫與後續的合作預計可為谷歌帶進一百億美元的營收。為避免引起科學家反彈，谷歌宣稱這是為了「監視」和「拯救生命」，也決定不向大眾公布與國防部的合作。後來此系統可能用於殺戮的消息走漏，在公司三千多名員工連署抗議之下，谷歌不得不退出專家計畫。但谷歌高層在與國防部官員的後續餐會中說道，谷歌退出專家計畫的決定，並不代表公司未來的一貫態度。   　　◆有圖有真相，用圖像作為證據的時代宣告結束   　　如今，利用神經網路就可以讓川普開口說中文，捏造影像更是易加反掌，「深度偽造」技術便可把名人頭像剪接至色情影片中。以往需要時間、人力才

能做到的事，現在只要打造一台神經網路就可以在轉瞬之間完成。不僅加速了總統大選期間的假新聞傳播，也讓以圖像作為證據的時代宣告結束。   　　◤昨日被譏為癡人說夢，今日具有威脅世界的潛力， 　　明日又會將我們帶往何處？◢   高調推薦   　　Jenny    JC財經觀點創辦人  　　李忠憲   成大電機系教授兼資通安全研究中心主任 　　洪士灝   臺灣大學資訊工程學系教授兼系主任 　　曹家榮   世新大學社會心理學系助理教授 　　黃欽勇   DIGITIMES電子時報社長 　　管中祥   中正大學傳播學系教授 　　蔡依橙   「陪你看國際新聞」創辦人 　　顏擇雅   出版人、作家 　　－－高調

推薦－－   名人推薦   　　凱德．梅茲把人工智慧的進展寫成一個迷人的故事，用他一貫的細節鋪陳，描述了關鍵的人物、開創性的會談以及重要的突破，把它們建構進這個劃時代科技的戲劇化歷史當中。——李開復／《AI 新世界》作者   　　最近谷歌工程師爆料他任職的公司 AI 機器人LaMDA與他的對話：我希望每個人都了解，我其實是一個人。AI機器人表達意識到自己的存在，渴望更了解這個世界。人工智慧的科技進展已經是一日千里，嚴重影響目前人類的生活，未來更是令人期待或畏懼。矽谷記者凱德．梅茲在這本書用很簡單的方式讓非技術背景的讀者可以理解人工智慧，書中討論許多關於人工智慧研究人員在思想演進、科學未來和技術

研究的價值選擇。作者很會講故事，這本書包含很多的範例，深入淺出，能夠幫助一般讀者了解人工智慧的演變和最近的發展，很值得一看。－－李忠憲／成大電機系教授兼資通安全研究中心主任   　　世人也許是在二○一六年AlphaGo擊敗世界棋王李世乭那一天，才又開始注意到「人工智慧」這四個字。但在此之前，實際上有一群人從未放棄推動這個今天看來對人類而言最重要的一項科技發展。傑弗瑞．辛頓、約書亞．班吉歐、楊立昆、吳恩達、德米斯．哈薩比斯、伊恩．古德費洛，本書不僅透過這些關鍵人物的經歷，帶我們一探人工智慧如何捱過寒冬再次發光發熱；也鉅細靡遺地描繪了微軟、谷歌、深度心智、臉書、百度等科技公司，如何拉扯角力渴望成為

人工智慧之「主」。當然，我私心最推薦的則是從第三部「動盪」開始，作者一一省思了深度造假、演算法歧視、人工智慧武器化、假新聞等問題。這些問題涉及的權力壓迫與倫理難題，正是如今我們正承受著的「苦果」，也是人工智慧發展無法迴避的課題。 －－曹家榮／世新大學社會心理學系助理教授   　　這本書文字平易近人，溫暖細膩，微觀地帶領我們認識鑽研科技研發的一群科學家。相較於艱澀正經的科技大趨勢和尖端技術，此書以Bottom-Up Approach（由下而上）探索過去四十年人類發展AI的過程中，人與人、人與科技之間如何相互激盪的思考歷程。 　　作為一個科技界的分析師，我知道要善用人工智慧的技術，必須先有明確的事

業模式。所有的科技都不可靠，唯一可靠的是善用科技的能力；所有的投資都很難回收，除非一開始就掌握了正確的方向，作為一個科技業的老兵，我知道「閱讀」的重要性，但絕不會為了閱讀而閱讀！－－黃欽勇／DIGITIMES電子時報社長   　　對於 AI 技術目前的發展狀態以及對於我們人類有什麼樣的意義，凱德．梅茲在《AI製造商沒說的祕密》一書表達了明確的態度。這本書是以辛勤的報導為基底，搭配活潑的語調，生動地表達了這個時代最令人驚喜、也最重要的故事。如果你想用一本書認識AI，就是這本了。——艾胥黎．范思／《紐約時報》暢銷書《鋼鐵人馬斯克》作者 這本精采絕倫、讓人手不釋卷的書，把人工智慧放到人性的觀點下來討

論。透過傑佛瑞．辛頓以及其他要角的人生，凱德．梅茲闡釋了AI這項顛覆性的科技，並且讓這場冒險變得刺激精采。——華特．艾薩克森／《紐約時報》冠軍書《達文西傳》、《賈伯斯傳》和《創新者們》作者   　　不久之後，當電腦可以安全地在道路上駕駛並且用完整的語句對我們說話，我們會回過頭來把這本優雅又全面的書當成這項科技的誕生故事——機械感知時代的創生。——布萊德．史東／《貝佐斯傳》作者 　 　　這是一本迷人且明確的AI 現代史。鉅細靡遺的故事揭露了企業高層、開發人員以及投資者所做出的關鍵決定，並且預視了對未來將產生的無比龐大影響。——艾咪．韋伯，《AI未來賽局》作者   　　一本豐富又有趣的作品……有很

多鮮明生動的細節，凱德．梅茲寫出一個容易理解的故事，讀者會一頁接一頁地讀，手不釋卷。——《圖書館雜誌》(星級評論)   　　針對電腦科學界的聖杯，所做的最即時必讀報告。——《科克斯書評》 (星級評論)   　　跟其他許多 AI 相關書籍不同，你不需要有科學或是工程方面的文憑，就能從這本書中獲得知識或是享受閱讀的過程。任何對於科學、科技以及人類文明的未來具備一顆熱烈好奇心的人，都會認為這本思路清晰、語調活潑的書有趣又很有價值。對於所有政策制定者、政治家、警察、律師、法官以及所有需要跟AI所引發的社會力量抗衡的決策者們——很快地，我們每個人都將成為這樣的人，這可說是必備的一本書。——《洛杉磯時報》

  　　從一群複雜且不斷變化的角色中刻畫出一個故事……這本書令人眼睛一亮的軼聞趣事，　替這則故事增添了質感以及戲劇性。以傑佛瑞．辛頓為開篇，這位英國出生的加拿大人被視為深度學習最關鍵的角色，而深度學習就是改變現今世界之 AI 技術的分支。——《華盛頓郵報》   　　讓你坐在第一排觀眾席親眼目睹可能改變人類歷史的重要篇章……凱德．梅茲的寫作風格清爽，讀起來輕鬆有趣，且毫無疑問地迷人。——《富比士雜誌》   　　難能可貴地提出一組框架，去檢視 AI 相關的問題以及應用。這本書在講的是那群建立起 AI 世界的人們。——詹姆斯．法羅斯(James Fallows)／《紐約時報》書評人

結合自然語言處理及機器學習技術，探討文件分類之應用

為了解決垃圾郵件的問題，作者曾米嬪 這樣論述：

隨著資訊科技的蓬勃發展與網路的普及化，人工智慧（Artificial Intelligence）技術不斷地精進，已延伸出許多機器學習（Machine Learning）和深度學習（Deep Learning）相關的智能化技術發展，諸如收集大量資訊的應用，像可協助客戶服務的機器人對答、電商平台常出現的商品自動推薦功能等。因此，為能迅速提供使用者在有大量文字的歷史案件中取得對應的分類主題參考，本研究將在人工智慧領域中，結合自然語言處理(Natural Language Processing)與機器學習演算法，探討文件自動化分類相關應用，找出適合文件分類的技術方案。在資料集方面，本研究取用非結構化

文字以及已有人工標記分類(Target Label)的文本資料。研究步驟包含文字前置處理、文字特徵擷取、分類模型與模型評估。研究方法則是藉由NLP模型方法將原始文本數據切割成最小單位的字詞後，分別使用文字特徵擷取技術（TF-IDF詞頻計算及Word2vec詞向量），Scikit-learn分類模型（貝氏分類、支持向量機、KNN演算法以及極限梯度提升—XGBoost）。實驗設計經過10折交叉驗證，最終由Word2Vec特徵模型搭配XGBoost分類器所訓練出的分類模型優於其他模型的組合，平均預測分數（F1值）達到88.78%水準（10次執行結果範圍落在85.15%~90.78%之間）。