plastic bag icon png的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列訂位、菜單、價格優惠和問答集

多變量與機械學習在環境管理上的應用

為了解決plastic bag icon png的問題，作者阮氏蘭芳 這樣論述：

在科學研究中，研究人員很少使用開放政府數據（open government data, OGD），一方面是因為進階數據分析技術的難度，一方面是不知道OGD的存在。目前使用OGD的科學研究中，以醫學與環境領域最有發展性，因此，本論文嘗試以從台灣的OGD所取得的環境管理資料，進行多變數統計分析與機器學習。作者將論文分成兩個部分:第一部分以多變數分析探討兩個案例:廢棄物特徵隨時間與空間的改變，以及從大眾認知角度探討空氣品質管理政策的效果；第二部分則以機器學習預測兩種呼吸道疾病的案例數量。第一部分的兩個案例都使用了一系列的統計工具，包括主成分分析(principal component analys

is, PCA)與冗餘分析(Redundancy Analysis, RDA)。第一個案例顯示該方法可有效地辨識出，在台灣的城市中影響消費模式與產生家庭固體廢棄物的社經因素；第二個案例則顯示彰化縣的不同城鎮間，環境意識並未因經濟的發展而提升。第二部分中的案例三，使用長短期記憶(Long-short term memory , LSTM) 算法所建立的預測模型，能很好地預測台中市呼吸道疾病的變化，但在預估南投縣和彰化縣的狀況中則應謹慎使用。第二部分的案例四，比較ARIMA模型(Autoregressive Integrated Moving Average model)與以LSTM所建立之模型，

在預測台灣流感案例數的準確性，結果顯示在台中中部的三個城市中，LSTM模型從RMSE metric來評估皆優於ARIMA模型。在這三個城市的LSTM模型中，以feature selection時採用extra tree classifiers的資料進行LSTM網絡(LSTM ETC)的訓練，會有較高的準確性，特別是台中市，其準確率相較ARIMA的結果提升了73%。根據這四個案例的研究結果，進階的多變數統計和機器學習方法，可部分滿足國家和地方各級學術單位探勘與使用政府開放資料的需求，這些技術對於其他領域的未來研究工作也將極具價值。