Scikit-learn 機器學習筆記索引

學習 AI 已經好多年了, 之前大多集中於深度學習, 反而對最基礎的, 以 Scikit-learn 為中心之機器學習所整理的筆記卻很少, 我想將此做為 2026 年第一季的學習重心, 先把之前寥寥可數的幾篇從深度學習筆記索引中抽離出來以表重視與提醒 : 

# 機器學習筆記 : 基本概念

# 機器學習筆記 : 使用 urllib 下載資料集的問題

# Umberto Michelucci 的兩本機器學習好書

# 機器學習筆記 : 初探 scikit-learn 套件

# 機器學習筆記 : 用 scikit-learn 做資料前處理 (一) : 數值資料

# 機器學習筆記 : 用 Scikit-learn 的 make_blobs() 產生模擬資料集

~進行中~

參考書籍 :

1. Python機器學習錦囊妙計
2. 一行指令學Python : 用機器學習掌握人工智慧
3. 精通機器學習 : 使用Scikit-Learn, Keras與TensorFlow (2023 第三版)
4. 學AI真簡單. I, 初探機器學習 : 從認識AI到Kaggle競賽

Hohaw 的 Python 量化投資 + AI 課程

由於 9 月份狂上 Hahow 企業版課程, 今天收到表示勤奮好學的 Lv.2 獎章 : 

學習歷程顯示自 2023 年 9 月加入以來已上完 162 門課, 目前完課率 84%, 還有 31 門已註冊但尚未上的課程, 年底前應該能達成 100% 完課率 : 

這些課程中最吸引我的是量化投資 + AI 課程 : 

• 用 Python 打造自己的 AI 股票理專（一）
• 用 Python 打造自己的 AI 股票理專（二）
• 用 Python 打造自己的 AI 股票理專（三）
• 用 Python 打造自己的 AI 股票理專（四）
• 用 Python 打造小資族選股策略（一）預測你的財務人生曲線
• 用 Python 打造小資族選股策略（二）打造客製化看盤軟體與選股策略
• 用 Python 打造小資族選股策略（三）Python 理財資優生
• 用 Python 理財：打造加密貨幣實戰策略（一）
• 用 Python 理財：打造加密貨幣實戰策略（二）
• 用 Python 理財：打造加密貨幣實戰策略（三）
• 用 Python 理財：打造加密貨幣實戰策略（四）
• 全方位 LLM 實戰攻略：Code 出你的 AI 智能助理

其中小資族選股策略系列我在個人帳號購買不久後企業版居然就上架了 (白買了呵呵). 我的企業版帳號使用期限似乎展延了, 最近有空要來重看一遍 (之前都囫圇吞棗). 

好書 : 機器學習的高風險應用

今天在天瓏找到下面這本歐萊禮的好書 : 

# 機器學習的高風險應用｜負責任的人工智慧方法

此書吸引我的地方是在 Part 2 有專門講 XGBoost : 

好消息是市圖可借到不用買 :

# https://webpacx.ksml.edu.tw/bookDetail/1763742 

市圖還書 2 本 (精通機器學習 + Python大數據特訓班)

今天市圖借的書有兩本被人預約須還 :

1. 精通機器學習 : 使用Scikit-Learn, Keras與TensorFlow

2. Python大數據特訓班 : 資料自動化收集、整理、清洗、儲存、分析與應用實戰

回程去明儀找 LangChain 的書, 覺得書店人好少啊! 如果價差不多還是要盡量跟明儀買, 社區有一間書店真的很不錯. 

高科大還書 2 本 (Kaggle + 機器學習)

因預約的 Canva 與 AIGC 書到館, 晚上拿下面兩本去學校交換 : 

1. 自學機器學習 : 上Kaggle接軌世界,成為資料科學家 : 擺脫玩具資料集 用Python見招拆招練出競爭力
2. 學AI真簡單. I, 初探機器學習 : 從認識AI到Kaggle競賽

這兩本市圖也可以借到, 雖然還沒看完也還好. 

OmniXRI TinyML 小學堂 (2025) 【第0講】& 【第1講】

今天晚上參加了歐尼克斯許哲豪老師的 TinyML 直播講座 : 

# https://www.youtube.com/watch?v=3WGp3QFOLMw

此課程連續 12 周會在每周三 20:00~21:00 直播, 簡報等相關資料可在 GitHub 下載 : 

# https://github.com/OmniXRI/TinyML_Course_2025

聽完才發現, 原來還有那麼多我沒聽過沒碰過的 AIoT 開發板啊! 

好站 : 量化投資與機器學習研究系列

今天在找 pyfolio 資料時搜尋到下面 2019 iT 邦幫忙的得獎系列文章 : 

# 量化投資與機器學習研究系列

因為 2025 開年後我的研究重心轉向到量化投資, 此系列文章有許多值得參考借鏡與學習之處, 特別是最後面談到 sklearn 與股市預測模型部分, 而其他爬蟲部分我就當做是複習. 

高科大還書兩本 : 一行指令學 Python & PyTorch深度學習攻略

今天下班順路去母校還下面兩本書 (有人預約) : 

# 一行指令學 Python : 用機器學習掌握人工智慧

# PyTorch深度學習攻略 : 核心開發者親授! /

最近在研究 LLM, 這兩本也沒時間看, 就提前還了. 

參加 Google Cloud OnBoard

下午參加 Google Cloud OnBoard 線上課程 :

首頁 - Google Cloud OnBoard：AI 與機器學習 (cloudonair.withgoogle.com)

此課程屬於 Google ML/AI 入門, 沒有實作部分, 主要是說明 Google 在機器學習與人工智慧方面所提供的全方位服務, 除可客製化訓練自己的模型, 也提供預訓練的大模型, 以及 No code/Low code 工具, 更多資訊參考 QR code :

下面網址展示 Google 自然語言處理的分析功能 : 

# https://cloud.google.com/natural-language?hl=zh_tw#demo

# Google Cloud OnBoard：AI 與機器學習 | 模組二：AI 開發選項

參加小霸王金門大學講座 (在串流中進行物件辨識與追蹤)

前幾天在 FB 看到小霸王尤老師公告今天要在金門大學演講, 開放免費上線共同學習, 主要是介紹使用 YOLOv8 模型來辨識與追蹤影片中的車輛數目, 筆記如下 :

# 在串流中進行物件辨識與追蹤  (簡報)

# YOLOv8 訓練 (簡報)

測試 PyTorch 與 GPU 的程式 :

# https://twgo.io/adjqj

測試 YOLO 的程式與影片下載 :

# 測試影片：https://twgo.io/vlpwc 

# 範例程式：https://twgo.io/xpuka 

# 計算車輛數的程式 : https://twgo.io/kfycl

# 人物追蹤的程式 : https://twgo.io/dgnab

線上標定警戒區座標網頁 : 

# https://roboflow.github.io/polygonzone/

追蹤程式碼 : 

# https://twgo.io/zndea

南下北上範例影片與程式 :

# https://drive.google.com/file/d/1V4DspOUmM3nc42lb91_jTUFBUkQ4xU-z/view

# https://twgo.io/dcykw  

自己訓練模型的作法 : 

# https://twgo.io/xypjs  

摘要 :

• YOLO 的視窗只處理鍵盤事件, 對滑鼠無效. 範例程式用 ESC 鍵來關閉視窗. 
• YOLOv8 有五種不同大小模型的版本 (n, s, m, l, x), 其中最大的 x 佔 136MB, 要有 NVidia 顯示卡的電腦才能跑得動, 我前不久買的 MSI 桌機配備 RTX 3060 顯卡應該可以, 除了拿來生圖跑 Llama 模型外, 又找到一個玩法了 (但也要有時間啊, 哈哈). 

上完課覺得 OpenCV 真的很重要啊!

高科大還書 1 本

因為預約書到館, 所以拿下面這本去換 :

# 跨領域學Python : 資料科學基礎養成

此書我幾乎看完了, 只剩最後兩章迴歸與分類的尚未做筆記, 有空再借回來補寫. 

Windows 安裝 TensorFlow GPU 版的問題

昨天在新的電競桌機安裝好 NVIDIA 顯示卡的 CUDA 函式庫後, 順利安裝好 GPU 版的 PyTorch. 想說接著就來安裝 GPU 版的 TensorFlow 吧! 指令如下 : 

pip install tensorflow-gpu

參考 :

# 使用 pip 安裝 TensorFlow 

但這回卻出現錯誤 :

C:\Users\USER>pip install tensorflow-gpu   

Collecting tensorflow-gpu

  Downloading tensorflow-gpu-2.12.0.tar.gz (2.6 kB)

  Preparing metadata (setup.py) ... done

Collecting python_version>"3.7" (from tensorflow-gpu)

  Downloading python_version-0.0.2-py2.py3-none-any.whl.metadata (1.7 kB)

Downloading python_version-0.0.2-py2.py3-none-any.whl (3.4 kB)

Building wheels for collected packages: tensorflow-gpu

  Building wheel for tensorflow-gpu (setup.py) ... error　　

  error: subprocess-exited-with-error

  × python setup.py bdist_wheel did not run successfully.

  │ exit code: 1

  ╰─> [18 lines of output]

      Traceback (most recent call last):

        File "<string>", line 2, in <module>

        File "<pip-setuptools-caller>", line 34, in <module>

        File "C:\Users\USER\AppData\Local\Temp\pip-install-k8fazmsx\tensorflow-gpu_379ac048cb9c49a387dd64f61929c840\setup.py", line 37, in <module>

          raise Exception(TF_REMOVAL_WARNING)

      Exception:

      =========================================================

      The "tensorflow-gpu" package has been removed!

      Please install "tensorflow" instead.

      Other than the name, the two packages have been identical

      since TensorFlow 2.1, or roughly since Sep 2019. For more

      information, see: pypi.org/project/tensorflow-gpu

      =========================================================

      [end of output]

  note: This error originates from a subprocess, and is likely not a problem with pip.

  ERROR: Failed building wheel for tensorflow-gpu

  Running setup.py clean for tensorflow-gpu

Failed to build tensorflow-gpu

ERROR: Could not build wheels for tensorflow-gpu, which is required to install pyproject.toml-based projects

搜尋 "tensorflow gpu subprocess-exited-with-error" 發現, 原來 tensorflow-gpu 套件已經不存在了, 安裝 tensorflow 套件即可, 因為 tensorflow 已支援 CUDA 加速運算, 參考 :

# https://pypi.org/project/tensorflow-gpu/ 

博客來買書 3 本 : Python 機器學習 + 物聯網高手的自我修練

今天在博客來買了三本書 : 

# Python機器學習第三版（上）$620 -> $434 (7 折)

# Python機器學習第三版（下） $520 -> $364 (7 折)

# 物聯網高手的自我修練：帶你玩轉樹莓派、Arduino 與 ESP32 $750 -> $495 -> $395 (66 折)

原本只是要回母校還 "Python 機器學習 (下)" 這本書, 但是發現博客來剛好打七折, 最近做活動滿千再折 100 元, 所以趁好康買了 : 

原總價 1890, 實付 1193, 約 63 折, 好爽 (其實老闆還是有賺的啦).  

高科大還書 1 本 : Python機器學習 (下)

這本書因為被預約須還 : 

# Python機器學習 : 新增TensorFlow2、GAN和強化學習等實用內容 : 使用Python的scikit-learn和TensorFlow2融會貫通機器學習與深度學習 

此書之前是去還書時在書架上看到, 想說預約的書還沒來就借這本補滿可借上限, 但在忙別的也沒空看. 這幾天翻了翻覺得第 16 章 RNN 寫得很好, 把序列資料 (sequence data) 與時間序列資料 (time-series data) 區分清楚 : 後者是前者的特例 : 多了一個時間維度, 它的每個樣本都帶了一個時間戳記, 且資料按照時戳排序. 所以時間序列資料當然是序列資料, 反之則不然, 例如文本與 DNA 序列都是序列資料, 但不是時間序列. 

此書翻譯自 Packt 出版的 "Python Machine Learning 3rd Edition", 博碩的中譯本拆成上下兩本, 我 2018 年買的第一版則沒拆, 可能改版後篇幅變多了. 此外第三版主要是把範例程式碼改為 TensorFlow 2. 下冊範例程式碼可在 GitHub 下載 : 

# github.com/rasbt/python-machine-learning-book-3rd-edition

Source : 博客來

Source : 博客來

此書上下冊目前博客來 7 折至 4/9 :

# Python機器學習第三版（上）$620 -> $434

# Python機器學習第三版（下） $520 -> $364

我看乾脆買了唄. 

好書 : 非監督式學習-使用 Python

最近從母校借到下面這本好書 : 

# 非監督式學習：使用Python

Source : 博客來

此書譯自歐萊里的 "Hands-On Unsupervised Learning Using Python" (2019, Oreilly), 使用 TensorFlow/Keras 框架, 書中程式範例檔可從 GitHub 下載 :

# https://github.com/aapatel09/handson-unsupervised-learning

我要每天抽出 10 分鐘來好好讀這本, 用滴水穿石策略把它肯完. 

好書 : 用 AI 影像辨識學機器學習

本周從市圖借到一本很棒的書 :

# 用 AI 影像辨識學機器學習 (旗標, 2022)  

這是旗標的創客-自造者工作坊自學動手做系列中與機器學習相關度高的教材, 但此書不是使用 Python 的 TensorFlow 框架作為機器學習演算法, 而是使用 Javascript 的 ml5.js 函式庫搭配 p5.js 函式庫, ml5.js 是將較複雜的 TensorFlow.js 再包裝而來, 大大地簡化神經網路的使用方式; 而 p5.js 則是作為機器學習演算結果的視覺化展示平台. 關於 p5.js 用法參考 :

# p5.js 學習筆記索引

關於 ml5.js 說明參考其官網 : 

# https://ml5js.org/

我很久沒玩 p5.js 了, 去年底 Hahow 學校有推出以 p5.js 為基礎的創意程式設計課程, 我差一點手刀下去, 但衡量沒有時間就暫時不要, 不過看到此書讓我又心癢癢的 (醒醒吧! 你沒有很多鬼時間啦).   

參加 AMB82 mini 研習

今天白天一整天 (09:00~16:00) 參加小霸王尤博的 AMB82 線上研習, 所以我一大早就先去市場, 才能在 09:00 前趕回家. 直播網址為 : 

# https://meet.google.com/hxu-khbv-yoe 

研習簡報如下 : 

# AMB82 mini 研習簡報

AMB82 開發板可在小霸王的蝦皮賣場購買 :

# Ameba AMB82 mini 瑞昱半導體 國產晶片 ESP32CAM靠邊站 可執行YOLO $799

這塊板子買來一段時間一直沒空測試, 希望 2024 過年前找時間玩玩看. AMB82 最大的亮點是內建 NPU (類神經處理器), 其次是內建音頻與視頻應解碼器, 在影像辨識上 (例如 YOLO) 效能遠比 ESP32-CAM 要強上許多. 訓練 YOLO 模型可使用 Colab, 完成後再上傳 AMB82, 作法參考 : 

# YOLO Python 訓練 RobotFlow

# YOLO v8 講義

# Colab 訓練 YOLO 之 ipynb

摘要 :

1. 照片傳 Line 不要超過 800x600, 最好是用 640x480, 且必須是 JPEG 格式
2. AMB82 只支援 YOLO v4 與 v7
3. Darknet 與 YOLO 的關係 : Darknet 是訓練 YOLO 模型的一種演算法, 也可以用 Tensorflow 或 PyTorch (例如 YOLO v5 與 v8).

可在嵌入式裝置上執行的 AI 框架 : AIfES

12/12 購物節本想在 momo 買旗標的實驗書套件 (定價 1599, 折扣優惠 $1060) :

# Flag”s 創客•自造者工作坊 用 ESP32 × Arduino IDE 學 AI 機器學習

但考量目前時間不夠用, 買來也是晾著就打消了. 但檢視目錄發現第三章介紹 AIfES, 頓時對這陌生的縮寫感到好奇, 搜尋才知道原來是一種可在嵌入式裝置上執行的 AI 框架, 甚至能在 8 位元的 Arduino UNO 上跑 (Arduino IDE 支援), 參考 :

# 8位元硬體上運作機器學習——AIfES

此框架為開源專案, 原始碼寄存在 GitHub, 參考 :

# https://github.com/Fraunhofer-IMS/AIfES_for_Arduino

先記下來, 有機會再研究. 

好站 : 新手也能懂得AI-深入淺出的AI課程系列

今天在 iT 邦幫忙發現這個 AI 系列課程 :

# 新手也能懂得AI-深入淺出的AI課程系列

作者以 30 篇系列文章由淺入深, 從 Python 安裝到機器學習套件如 Scikit-Learn, TensorFlow, 與 PorTorch 等套件的介紹, 到 AI 基本概念與深度學習模型 (DNN, CNN, RNN) 之實作方法, 目標是讓非理工仔也能順利上手, 值得一讀. 

作者是母校高科大電機碩士班學生黃朝隆, 此系列文章已集結於 10 月底由博碩出版 : 

# ChatGPT X Keras X PyTorch全方位應用實踐指南：從零開始的AI程式設計養成之路

哇, 讀研究所就出書了, 真的很厲害. 此書博客來到 1/31 前都 7 折 ($503), 比 momo 便宜. 

momo 買書一本 : 機器學習最強入門

今天 1212 購物節上 momo 買了洪錦魁老師的大作 "機器學習最強入門", 洪老師的書特點就是範例多講解很詳細. 上回參加 MQTT 社團分享會時博客來有配合當天購書 66 折活動, 但我過了 12 點才想起而錯過時機, 沒想到這回 61 折更便宜 : 

# 機器學習最強入門 - 基礎數學／機率／統計邁向AI真實數據專題實作 - 王者歸來 $ 908 -> $603

這次完全用 momo 幣支付, 實付 0 元. 上回買爸的蓉憶記累積的 momo 幣還有 1600 多, 用掉 603 還剩 1000 多.