CBR 價格的問題，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

一個植基於特徵選取與樣本選取技術的自動選股模型

為了解決CBR 價格的問題，作者洪郁翔 這樣論述：

本論文研究台灣上市上櫃公司之財務指標相關資料，提出以分群演算法（Cluster）區分財務體質良好與不佳的分群結果，搭配特徵選取方法（Feature Selection, FS）或是樣本選取方法（Instance Selection, IS）結合隨機森林（Random Forest）機器學習方法探討股票預測之成效，本研究選取訓練資料為2001年至2018年在台灣加權指數有多頭和空頭股市經歷兩個大週期循環分別為2007年金融海嘯以及2018年中美貿易大戰，並以預測之日為建構日以相同金額買入並且以2018年3月至2022年3月之資料進行投資策略回溯測試。其實驗結果顯示Cascade Simple

K-Means加上樣本選擇（Instance Selection）的遺傳基因演算法（Genetic Algorithm, GA）結合隨機森林（Random Forest）預測結果其報酬率為79%為最優，其次，自我組織設映圖SOM（Self-Organizing Map）加上過採樣方法(Synthesized Minority Oversampling Technique ,SMOTE)其報酬率為75%。本實驗結果在於Cascade Simple K-Means和SOM兩種分群演算法搭配任何一個特徵選取或是樣本選取並結合隨機森林演算法結果都有72%以上報酬率，均優於大盤指數的62%，甚至在EM（

Expectation-Maximization algorithm）演算法也有三種方法（IB3、IS-GA、PCA）可以超過大盤報酬率。

大型重型機車參與者刺激尋求、知覺風險與自我效能關係之研究

為了解決CBR 價格的問題，作者李柏諺 這樣論述：

大型重型機車活動族群日益擴大，顯然已成為國人休閒的一環。本研究目的為瞭解大型重型機車受訪者背景特性與現況，分析不同背景特性參與者在刺激尋求、知覺風險、自我效能上的差異情形，再釐清刺激尋求、知覺風險與自我效能之相關性。採用便利抽樣方式針對大型重型機車相關FB社團、Line群組成員，以及關西霍爾咖啡、7-11田野門市之活動參與者為研究對象，以問卷調查法蒐集相關資料，共回收有效問卷849份。研究工具包括刺激尋求量表、知覺風險量表、自我效能量表、人口背景特性四個部分，並以敘述性統計、獨立樣本t檢定、單因子變異數分析、皮爾森積差相關分析、典型相關分析、階層迴歸分析、逐步多元迴歸分析進行資料處理與分析。

研究結果顯示：(一)大型重型機車受訪者以男性、未婚、青壯年、月收入20,000~40,000居多，多數一週參與活動未滿1次或1~2次，且未加入車隊；(二) 提升活動頻率、加入車隊有助於參與者自我效能的提升；(三) 刺激尋求、知覺風險可以有效預測自我效能，其中又以經驗尋求構面、滿意度風險構面最具預測力；(四) 刺激尋求與知覺風險具顯著相關，其中高刺激尋求參與者，明顯感受到較高的財務、身體、社會風險。故研究建議大型重型機車參與者能提升自己對新奇的接受程度、設法降低滿意度風險感受，亦可透過增加活動頻率、加入車隊以維持自我效能。最後需盡可能強化自身身體、功能、社會風險意識。