被動式英文的問題，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

王復國理解文法：典藏版

為了解決被動式英文的問題，作者王復國 這樣論述：

英文文法就是一大堆教條式的規定？ 文法規則是硬性的限制，毫無道理可言？ 想要學好文法，請先拋開以上成見↑↑   背文法不如懂文法，本書帶你徹底搞懂 〈八大詞類〉〈易混淆字詞〉〈修辭句構〉 從理解到活用，知其然亦知其所以然！   　　本書為「王復國理解式文法系列」之加值「典藏版」，原系列依英文詞性分成《動詞篇》、《名詞與代名詞篇》、《形容詞與副詞篇》、《連接詞、介系詞與冠詞篇》以及《文法與修辭篇》五冊，出版迄今不僅造福數以萬計的自學讀者，幫助他們徹底根治長年積累的文法疑難雜症，更有許多英語教師將此系列書籍作為文法教學的備課參考書，甚或直接當作教材使用。   　　為了讓讀者在學習時能「一氣呵成

」並方便做文法觀念前後對照、複習，「典藏版」除了將原分冊文法匯集成一本，另彙整王復國教授在執教生涯中，學生最常犯的字詞選用錯誤和中式英文等盲點，於各章節及書末專欄解說易混淆字詞、單句，藉此逐一釐清相關語句用法差異處，徹底提升「用英文」的準確度！      　　無論你想要厚實文法根基、準備各級英文檢測、教學備課……這是一本能鞏固英語實力的文法學習經典之作！   本書特色   　　■ 精要文法詳盡說分明，易混淆處一點即通！ 　　‧「條件式」和「假設語氣」到底該不該混為一談？ 　　‧為什麼 bread, money 是不可數名詞？little, a little, few, a few 這些代名詞的

用法總是分不清楚？ 　　‧形容詞子句就是所謂的關係子句？那限定和非限定關係子句的用法又有什麼不同？ 　　‧連接詞、介系詞和冠詞這些本身無具體語意意涵，卻在語句中扮演重要角色的「功能詞」，你都用對了嗎？   　　不同於許多文法書只列規則而不予解說，本書用字淺顯、條理分明，刻意將文法術語的數量減至最低。書中不但把每一條重要的文法規則都做了最詳盡、合理的說明，並特別針對華人學子常被考倒的問題及易混淆處逐一釐清，從根本理解文法，不靠囫圇吞棗死背規則，真正懂了，自然忘不了！   　　■「獨創圖表 + 比較式例句 + 精闢剖析」，於拆解文法難題的過程中逐步掌握修辭技巧！ 　　‧針對最易出錯的動詞時態問題，

輔以獨創圖表解說 12 大時態，看過就忘不了！ 　　‧全書數千句貼近生活經驗的實用例句，透過相似用法、正誤用法的說明比較，能立即抓出癥結，讓讀者輕鬆掌握正確用法，進而活用於文句表達中。本書之「文法與修辭篇」更進一步針對分裂句、倒裝句、避免錯誤和歧義、簡化冗語與贅詞等 16 個高階文法修辭問題作深入剖析，幫助讀者在拆解文法難題的過程中，也能逐步掌握修辭技巧。   　　★★ 超值收錄 ★★ 易混淆字詞用法比較 + 中式英文除錯 　　為了讓讀者不致覺得本書理論性過強，在每個章節的「3分鐘英文」專欄中，作者依詞性彙整了260組常見易混淆字詞，提供精闢的分析與說明，相信對讀者而言，這應是在嚴肅研習過程中

的一種調劑。另外，雖然本書的目的在於幫助讀者「理解」英文文法，但畢竟內容仍屬「紙上談兵」，而以中文為母語的人士在「實戰」上總是會「不由自主」地受到母語的影響，因此，在本書的末尾，也特別附加了「這樣說O不OK？」的篇章。此部分共列出100個典型的中式英文單句，文中除了說明各單句的錯誤，也提供正確的說 / 寫法，希望能對研讀本書者有加乘的助益。   　　★★ 超值加贈 ★★ 線上題庫免費練題，實際驗收學習成效！ 　　購書贈超值文法實戰題庫及逐題精闢解析，於「貝塔會員網」登入序號即可無限次數反覆練題，實戰驗收文法學習成效！   　　更多即時更新訊息請造訪貝塔官網：www.betamedia.com.

tw

被動式英文進入發燒排行的影片

運用數據分析與人工智能建構壽險業務員舞弊預測機制-NS壽險個案研究

為了解決被動式英文的問題，作者黃勝勇 這樣論述：

因應目前壽險業務員挪用保費舞弊之事件，雖然案件量不高，但舞弊樣態及手法不斷演化而多變，很難在業務員出現異常行為當下進行有效阻擋，倘未能提前預警，雖是單一挪用保費舞弊個案仍可能帶來財務的損失及對公司商譽的傷害，兩者之間的平衡需要不斷動態修正，因此提前進行防範勢在必行。本研究採用決策樹、隨機森林演算法、支持向量機等計量方法，將個案公司現有保戶及業務員之行為資料，運用數據分析與人工智能，建置即時分析挪用保費類型與模式，並進行挪用保費的偵測及監控分析，提升各項防制行動的周密度及運作效率，阻斷風險擴大及達到嚇阻之效果。本研究結果發現，三種機器學習模型間之共同影響因子為「保戶墊繳比率(近一年)」及「保戶

借款比率(近一年)」，此兩個因子在業務員挪用保費預測機制中具有關鍵的影響，另還有「五年內法扣紀錄」、「年資」、「合約層級」、「保戶墊繳比率(歷年)」、「保戶借款比率(近三年)」、「保戶墊繳比率(近三年)」及「業務員個人保單墊繳比率(歷年)」等因子分別於三種機器學習模型中亦具有其重要性。三種機器學習模型方法，以支持向量機模型達到最佳的分類效果，其次則為隨機森林，決策樹則在三種模型方法中表現較不顯著。