理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    利用隨機交互森林預測模型之應用
    (2023) 洪坊瑜; Hong, Fang-Yu
    根據生物、工業,以及商業統計資料,對於不同領域下的預測分析,舉例客戶行為、消費者需求或股票價格波動以及診斷病人等等,從中探討重要變數之間的交互作用,達到模型更準確的預測結果,本研究套用了隨機森林演算法,考慮交互效應予以改善模型並允許對解釋變數做交互作用進行有價值的洞察效果,而隨機交互作用森林(Random Interaction Forest, RIF)是隨機森林(Random Forest, RF)所衍生出來的一種新策略演算法,適合用於類別、連續變數或存活等資料型態加以預測,並明確地模擬建構森林中的決策樹所執行變數之間定性與定量的相互作用。在模擬研究中,使用了R包套件中"vivid"(Variable Importance and Variable Interactions Displays),呈現了機器學習模型中變數之間的重要性以及交互作用的可視覺化工具,同時也使用了R包中"diversityForest",透過投票分割抽樣,在隨機森林中進行複雜的分類程序,使用雙變數拆分對定量和定性交互效應進行建模。 交互森林(Interaction Forest, IF)帶有效果重要性度量(Effect Importance Measure, EIM),可用於識別具有高預測相關性的定量和定性交互作用的變數做應對。IF和EIM專注於易於解釋的交互形式。透過新的隨機交互森林結構,檢驗了線性迴歸模型、邏輯迴歸模型,增添了機器學習預測模型的能力。研究結果表明,當RIF模型存在交互作用時,不僅優於隨機森林和邏輯、迴歸分析方法。同時,證實RIF在執行許多情況下比傳統統計方法所創建的模型識別來的更為準確。並且交互作用為顯著時,RIF的性能也顯得更加優越表現,表示使用此方法不但可以提高業務流程和科學研究的效率。而且RIF在預測建模中的辨識度以及利用交互效果的部分都相對容易解釋,這是一項具有挑戰性且合適的工具。本文將透過這些方法的檢測應用於2012~2016年台北市死亡數實際資料進行評估。