收納整理方法的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

瘦身，從收納開始

為了解決收納整理方法的問題，作者（日）梶谷陽子 這樣論述：

本書分為「為什麼會覺得整理和減肥很像」「家和身體變「苗條」與物品「交往」的方法」「家也好，身體也好，瘦身不反彈！每天的瘦身習慣」「家庭採訪報告」四個部分。詳細講述了日本最新的收納理念，「改善房間布置可以輕鬆減肥，達到瘦身的效果」以及達到「房屋瘦身」和「身體瘦身」雙重效果的收納整理方法。 本書介紹了通過收納房屋也能瘦身的新生活理念。對想要減肥瘦身的人來說，很難堅持運動等需要消耗體力的辛苦減肥方法，而這本書的理念是，通過改變家居環境，就能達到瘦身的效果，身體減肥與房屋「減肥」並駕齊驅，當家「瘦了」，你也就瘦了。 作者：梶谷陽子，日本整理收納學大師、整理收納顧問、居住空間規劃師。2015

年7月，取得日本家政協會頒發的最高級別整理收納學術大師資格，成為全日本19名學術大師之一。她的博客「整理收納方法」一度引起廣泛熱議，目前活躍于電視、雜誌等各類媒體。著有《有了孩子也能享受單身生活》《梶谷家的整理收納秘訣——孩子弄亂了也會自行整理》等。 譯者：郝皓，畢業於天津師範大學日語專業，現在日本九州大學攻讀教育學博士學位。譯有《配色大原則》《關於建築理論的12章》等書。 梶谷陽子 日本整理收納學大師、整理收納顧問、居住空間規劃師。2015年7月，取得日本家政協會頒發的別整理收納學術大師資格，成為全日本19名學術大師之一。她的博客“整理收納方法”一度引起廣泛熱議，目

前活躍於電視、雜誌等各類媒體。著有《有了孩子也能享受單身生活》《梶穀家的整理收納秘訣——孩子弄亂了也會自行整理》等。  

收納整理方法進入發燒排行的影片

內在地圖－李冠儀當代首飾創作論述

為了解決收納整理方法的問題，作者李冠儀 這樣論述：

創作做為一種語言，闡述創作者的所見與不可見，透過創作抒發內在沈潛的聲響，收束感知所獲得的複雜資訊，發掘記憶或者覺察生活，將感知裡所體驗的線索轉化成為創作形式，藉由創作將內在的意象體現為實體，從創作過程裡尋獲獨樹一幟的思維，藉此得到療癒或抒發內在的創作目的。本創作論述整理筆者對於家庭經驗及創作的疑惑，探究是否有股力量，亦或是某些徵兆不斷刺激創作者觸發探索的動力，致使創作者起心動念，規劃創作的內容，並付諸行動實踐。筆者從自我發掘與學理研究探討創作意識如何產生，無形的力量如何作為引導，又源自何處？對創作者賦予哪些影響？創作的運作其實在身體裡發生了什麼事，最終創作又向創作者展現了什麼價值與意義？一系

列關於梳理家庭經驗，真實的解構並重建內在地圖與重新開啟感知的創作歷程，筆者試圖以創作療癒自我，藉由創作開展對感知的理解及觀看自我的向度，達成一種譬如抽離的模式遠觀自身，在沈浸於創傷與透過創作的暫時抽離之間，從擺盪於彼此間的感受顯現真實自我的存在，走向認同家庭的階段。創作以五個系列闡述認同家庭特質的歷程，首先是〈窺探系列〉體現筆者向早期經驗進行覺察的初始意象；〈破曉系列〉表述揭發家庭歷史後的情緒轉折；〈脈動系列〉呈現家庭關係與自身知覺經驗相互制約的衝突與糾結感受；〈疊加系列〉發想自記憶中故居地板的破碎補丁；〈容納系列〉則作為隱藏與收納記憶的空間。創作將內在的意象塑造並實踐，闡述了內心透過覺察所感

悟的風景。

整理力就是學習力!讓孩子自動自發管理時間、空間、人際關係

為了解決收納整理方法的問題，作者尹善鉉 這樣論述：

★韓國首席整理顧問尹善鉉，為孩子量身打造的專屬整理法 ★好成績從整理一張書桌開始，只要學會整理一張桌子，就能擁有高效學習力！ 　　希望孩子很會讀書，就從教導他整理開始！ 　　不用大吼大叫也能讓小孩自動自發讀書的秘訣就是「整理」 　　專為孩子而寫的整理收納術有效指南 　　在充滿挑戰的未來―― 　　能夠好好管理自己時間的人才會成功 　　懂得整頓好自己人際關係的人才會變得更加幸福 　　現在就跟著本書，帶著孩子學習改變人生的整理之力！ 　　幫助無數人改變人生的《一天15分鐘，改變人生的整理術》兒童版！ 　　總是為了孩子學習擔心的父母們，不必再煩惱！只要擁有整理力，不用再囉嗦碎念，也可以讓孩

子自動自發維持生活好習慣、保持讀書高效力！ 　　《整理力就是學習力！讓孩子自動自發管理時間、空間、人際關係》根據孩子書房與時間管理諮商活動及工作坊經驗，歸納出培養孩子們整理習慣的核心關鍵技巧，從小孩的空間、時間、關係著手，為孩子們量身打造專屬整理法。 　　想要培養子女成為會念書的孩子嗎？那請先培養他們成為懂得整理收納的孩子吧！希望子女能成為受到同儕或是老師們歡迎的孩子嗎？那麼他得具備懂得利用整理收納的基本條件，才不會使自己造成別人困擾的人。整理能力並不是一個可有可無的能力，它是必要的能力之一，不僅僅是在家庭生活或是學校生活，即使隨著年紀的增長，整理能力在社會生活及婚後的生活，都是必備的重要

核心能力之一。 　　許多父母會覺得只要等小孩長大，自然而然就會懂得如何去整理，但是整理能力並不是那種長大了自己突然就會的能力，整理是需要仔細深入去學習的。最重要的是，要體悟整理收納的重要性，並且在日常生活中一點一滴去實踐。 　　本書從整理收納的基本理論與概念循序漸進地說明，除了小孩的書桌、玩具等物品的收納整理方法，也包含小孩的學習、時間安排、交友關係的技巧，讓小孩跟父母利用玩樂的方式習慣整理。 　　本書從整理收納的基本理論與概念循序漸進，告訴父母如何養成小孩整理的習慣、養成整理的習慣之後小孩的學業方面會有什麼變化，再搭配實際案例說明如何活用觀念；清楚的步驟，協助孩子和父母透過遊戲的方式，

不僅能學習到系統化的整理收納方法，也讓整理從此變成孩子的習慣，進而提高孩子的學習能力及生活競爭力。 　　其實整理並不困難，而且永遠不嫌晚。 　　能夠好好管理自己時間的人才會成功，而懂得整頓好自己人際關係的人變得更加幸福。現在就跟著本書，帶著孩子學習改變人生的整理之力吧！ 名人推薦 　　★二花小姐｜親職專欄作家 　　大樹（趙崇甫）｜育兒顧問 　　李偉文｜知名親子作家、閱讀教養達人 　　林書煒｜POP Radio電台台長 　　馬克媽媽｜親子圖文部落客 　　彭菊仙｜親職教養作家 　　黃瑽寧｜馬偕兒童醫院主治醫師 　　廖笙光｜奇威專注力教育中心 執行長 　　羅寶鴻｜蒙特梭利親職教育專家　　強力

推薦！（依姓氏筆畫排列）  

開發基於真實世界數據及機器學習之肺癌治療預後預測模型

為了解決收納整理方法的問題，作者羅彩芝 這樣論述：

肺癌是全球癌症死亡的首要原因。2020年全球約有221萬新發肺癌病例，約180萬例死亡。2019年發病率為29.21/10萬人，死亡率為26.40/10萬人。如何精準地預測疾病的預後及藥物治療的結果，乃至於作為治療決策與藥物選擇之參考輔助，是臨床醫學近年來的重要議題。近年來，人工智慧技術常被應用在醫療學術研究及臨床實務。利用大數據且經由機器學習或深度學習之演算法所開發的疾病風險及預後預測的模組，為近年來人工智慧應用在醫療領域之學術研究的一大主流。本研究有三項研究目的：（1）建立非小細胞肺癌患者確診後二年存活預測模型；（2）建立非小細胞肺癌患者標靶藥物治療後二年存活預測模型；（3）建立非小細胞

肺癌患者確診後腦轉移預測模型。本研究的資料來源為臺北醫學大學臨床研究資料庫（Taipei Medical University Clinical Research Database, TMUCRD）。我們擷取了2008至2019年罹患非小細胞肺癌患者作為研究族群。本研究分別以每位患者的非小細胞肺癌確診日或標靶藥物治療日為起始日，以診斷後二年內死亡或腦轉移之發生作為結果，另以患者基本人口學特性、生活習慣、肺癌疾病特性、共病症、近期用藥情形、臨床檢驗數據、基因檢測結果等作為特徵因子。本研究同時使用多種不同的機器學習方式，包括邏輯斯迴歸（Logistic Regression）、套袋法集成學習（Ba

gging）、梯度提升（Gradien Boosting）、自適應增強法集成學習（AdaBoost）、隨機森林（Random Forest）、極限梯度提升（eXtreme Gradient Boosting, XGB）、線性判別分析（Linear Discriminant Analysis）及LightGBM（Light Gradient Boosting Machine）來建立預測模型。我們也根據外部測試結果，ROC曲線下面積AUC（Area Under Curve, AUC）最大的模型是最佳模型。本研究中，總共收納 3,714 名患者（2,280 名用於訓練數據集，1,434 名用於測試數

據集）。目的一（確診後二年存活預測）的結果顯示，在完整模式下，隨機森林模型（Random Forest）的 AUC 比其他模型高（AUC＝0.869），且最重要的特徵因子是癌症期別、腫瘤尺寸、性別、確診年齡和身體質量指數。目的二（標靶治療後二年存活預測）的結果顯示，在完整模式下，梯度提升模型（Gradien Boosting）的AUC最高（AUC＝0.785），且最重要的特徵因子為癌症期別、腫瘤尺寸、身體質量指數、ROS1、ALK和PD-L1。目的三（確診後腦轉移預測）的結果顯示，在完整模式下，梯度提升模型（Gradien Boosting）的AUC最高（AUC＝0.703），且最重要的特徵因

子是癌症期別、腫瘤尺寸、確診年齡及身體質量指數。綜上所述，結合多種特徵因子（包括人口學特徵、疾病狀況、共病症、合併用藥、實驗室檢測結果和基因檢測結果）可以建立效能頗佳的非小細胞肺癌預後預測模型，且癌症期別、腫瘤尺寸及身體質量指數在本研究的不同模型下皆為重要特徵因子。使用隨機森林模型（Random Forest）或梯度提升模型（Gradien Boosting）演算法開發的模型具有最高的AUC，它們可能是最適合用於非小細胞肺癌預後預測的工具。