為什麼 AI 偏偏先取代「高薪」工人？——讓經濟學家也意外的新解答
從 Acemoglu 與 Restrepo 的 QJE 2026 研究理解 rent dissipation：自動化為什麼可能先打到帳面高薪、但不一定代表最高技能的工作。
機器學習
用資料問題理解機器學習方法。
整理模型直覺、資料前處理、特徵工程、驗證流程與可解釋性，搭配 Python 實作理解研究資料。
建議閱讀順序
- 建立監督式與非監督式學習地圖
- 從決策樹理解可解釋分類模型
- 用隨機森林看 ensemble 思維
- 整理特徵工程、縮放與降維流程
機器學習文章
共 31 篇
[機器學習二部曲] Python實作—Ensemble Learning: 如何結合不同類型的弱學習器? Voting!
在Bagging單元中，我們分享到樣本可以透過Bo
[機器學習二部曲] Python實作—Ensemble Learning: 一步步的修正， Boosting!
Ensemble Learning(集成學習)主要
[機器學習二部曲] Python實作—Ensemble Learning: 三個臭皮匠，勝過一個諸葛亮! Bagging!
Ensemble Learning(集成學習)主要
[機器學習二部曲] Python實作—特徵工程: 如何在考量標籤下進行降維? LDA!
一般來說，特徵數愈多，我們愈容易得到好的預測效果。
[機器學習二部曲] Python實作—特徵工程: 如何在保留特徵貢獻下降低特徵維度?PCA降維!
一般來說，特徵數愈多，我們愈容易得到好的預測效果。
[機器學習二部曲] Python實作—特徵工程 : 特徵過多該怎麼辦? Feature Selection 特徵選擇
雖然說特徵愈多，愈容易得到好的預測效果。然而，當特
[機器學習二部曲] Python實作—資料預處理 : 如何將特徵規模拉到同一基準? 特徵縮放 Feature Scaling
特徵縮放是金融 ML pipeline 的基礎，可整理到資料前處理與防 leakage 單元。
[機器學習二部曲] Python實作—資料預處理 : 如何將類別型特徵自動轉換成二元數值型? OneHotEncoder!
上個單元，我們介紹了很好用的LabelEncodr
[機器學習二部曲] Python實作—資料預處理 : 如何將類別型特徵自動轉換成數值型? LabelEncoder !
在建模的過程中，我們常會遇到一個問題，就是我們所採
[Python實作] 密度聚類 DBSCAN
本單元以鳶尾花資料集演示如何在Python裡實作基
[機器學習首部曲] 密度聚類 DBSCAN
今天，我們要來分享非監督式學習的另一種分群方式，D
[Python實作] 層次聚類 Hierarchical Clustering
Hierarchical Clustering 為
[機器學習首部曲] 層次聚類 Hierarchical Clustering
今天，我們要來聊聊另一種聚類分析的分群方式，Hie
[Python實作] 聚類分析 K-Means / K-Medoids
K-means為一種向量量化方法的分類方式，屬於非
[機器學習首部曲] 聚類分析 K-Means / K-Medoids
前些日子，我們討論的都是有標籤(知道答案)的監督式
[Python實作] K-近鄰演算法 KNN
本單元，我們以大家熟悉的鳶尾花分類案例，看到在Py
[機器學習首部曲]K-近鄰演算法 KNN
今天，我們來聊聊機器學習裡面最簡單的演算法，KNN
[Python實作] 支援向量機 SVM
這個單元，我們以大家所熟悉的鳶尾花分類案例，來看到
[機器學習首部曲] 支援向量機 SVM
支援向量機(Support Vector Mach
[Python實作] 貝氏分類器 Bayesian Classifier
在樣本夠大的情況下，貝氏分類器時常都會有不錯的表現
[機器學習首部曲] 貝氏分類器 Bayesian Classifier
用機率、先驗與條件分布理解分類問題，適合搭配 Python 實作與研究資料案例。
[Python實作]邏輯斯迴歸模型 Logistic Regression
邏輯斯迴歸模型是處理二元分類相當好用的模型。上個單
[機器學習首部曲] 邏輯斯迴歸模型 Logistic Regression
邏輯斯迴歸是處理二元分類常用的一種方式，屬於線性分
[Python 實作] 迴歸模型 Regression
迴歸模型是處理連續變數相當好用且直觀的模型。上個單
[機器學習首部曲] 迴歸模型簡介 Regression
迴歸模型是處理連續變數常用的一種方法。本單元針對迴
[Python實作] 隨機森林模型 Random Forest
認識了隨機森林模型之後，在這個單元，我們將帶大家在
[機器學習首部曲]隨機森林模型簡介 Random Forest
從 bagging、feature importance 到模型穩健性，適合與實作篇合併成 ensemble 入門。
[Python實作] 決策樹模型 Decision Tree
在上個單元，我們已經認識了決策樹模型。本單元，我們
[機器學習首部曲] 決策樹模型介紹 Decision Tree
說明 decision tree 的分裂準則與可解釋性，可與 Python 實作篇合併成一篇完整指南。
機器學習簡介
整理監督式、非監督式與強化學習的基本分類，適合改寫為 ML for Finance 的起點。