sql server linked se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

以消息面為基礎的整合匯率分析框架

為了解決sql server linked se的問題，作者鍾佾蓁 這樣論述：

隨著科技快速發展，國與國間的貿易逐漸頻繁，臺灣由於地理位置優越，與中國大陸的海外貿易逐年俱增，而匯率的波動對於進出口貿易利潤為關鍵的影響，因此預測臺幣兌人民幣匯率是個重要的課題。本研究收集2013 年 6 月到 2018 年 9 月臺灣及中國兩方的新聞文件，做為消息面的資料，結合文字探勘技術，透過比對情緒辭典找出關鍵的情緒詞彙，利用消息面及多面向指標，針對臺幣兌人民幣匯率，建構出一個預測框架，並使用集成技術優化預測模型，模型預測結果的RMSE已降至0.004448，為一個良好的預測模型。此外，本研究針對消息面的情緒詞彙與匯率的走勢進行分析，結果發現中國的多面向指標型對於預測結果影響性較大，而

臺灣新聞的情緒詞對於匯率有一定的關聯性，例如「保持」、「明顯」的詞彙對於匯率走勢呈現上升，而「避免」、「刺激」的詞彙卻與匯率呈現下跌的波動，實驗結果表示消息面新聞中，使用的詞彙所代表的情緒對於匯率是有影響性的。

運用ETL與決策樹整合並分析開放資料－以PM2.5探討為例

為了解決sql server linked se的問題，作者高聖帆 這樣論述：

　　開放資料 (Open Data) 已成為資料分析領域中十分熱門的議題。不僅資料來源多元且廣泛，且探討之分析項目變化甚多，能從中獲取不錯的分析結果，作為決策處理參考。此外，空氣品質 (Air Quality) 議題在近年來逐漸備受矚目，由空氣汙染中，對人體健康有高度危險性的空氣汙染有害因子－細懸浮微粒 (PM2.5) 最被各國政府重視並列入空汙管制項目，更制定空氣品質標準作為防範。可見PM2.5所帶來人類生活中的潛藏危機，已不能被忽視。　　然而，在開放資料的收集中，以往分析人員需透過人力進行逐日資料下載，且針對異質資料做整合分析時，由於不同來源的資料格式相異、無效數值繁複，時常花費大量時間

做資料解析與處理。不僅耗費人力且人工判定的處理方式更時常出錯，導致無法達到預期的分析成果。如何提升異質開放資料整合成效，並提供決策者能更迅速的進行分析與萃取重點資訊，為巨量資料分析目前所面臨的重大考驗。　　因此，本研究以PM2.5探討為例，提出ETL資料處理流程架構，以整合資料擷取 (Extract)、資料解析 (Transform)、資料倉儲 (Load) 等資料處理流程。首先，透過此架構整合天氣與空氣品質之開放資料，進行資料提取、資料轉換與資料載入等ETL流程將資料去蕪存菁，排除無效資料內容。接著，運用相關分析 (Correlation analysis) 及決策樹分析 (Decision

Tree) 找出PM2.5濃度值變化之重要影響因子。最後，繪製可視化圖表，讓決策者得以掌握PM2.5之濃度變化狀態及分佈情況做出對應決策。