分類: DataScience

一、🔧 Python 程式基礎（語法與處理）

類別名稱	Tags
Python 語法結構	import, def, for loop, if else, try...except, f-string, list comprehension
資料結構與處理	pandas, dataframe, csv, data preprocessing, 數據處理, groupby, 字串處理, Standardization, JSON

二、📈 資料視覺化工具與中文支援

類別名稱	Tags
視覺化函式庫	matplotlib, seaborn
中文視覺化支援	視覺化中文支援, 資料視覺化

三、🤖 機器學習與統計技術

類別名稱	Tags
回歸分析（Regression）	迴歸分析, Scikit-learn, R²
分類分析（Classification）	分類模型, confusion matrix, accuracy, precision, recall, f1 score, label encoding, one-hot encoding, Multicollinearity
分群分析（Clustering）	分群演算法, K-Means, Elbow method
降維技術（Dimensionality Reduction）	降維分析, PCA, Perceptual Map

四、💡 AI 應用與生成式技術

類別名稱	Tags
AI 提示詞與應用	AI生成, prompt engineering, AI 數據洞察, AI 摘要, AI 文字分析, 主題分類, 情感分析

五、📊 行銷與商業分析應用

類別名稱	Tags
行銷應用類	社群媒體行銷, 顧客洞察, 客戶關係管理, 市場研究

案例與標籤彙整總表

標籤 / 案例	AI 文案草稿生成	AI 競品分析爬蟲	AI 智慧客服回饋分析	社群貼文探索性分析(EDA)	AI 廣告成效分析與視覺化	顧客終身價值預測 (LTV)	客戶流失預測模型	顧客分群模型	市場區隔與產品定位分析
import	✅
try...except	✅
f-string	✅				✅
JSON	✅	✅	✅		✅
def	✅
for loop	✅	✅	✅
AI生成	✅	✅	✅		✅
prompt engineering	✅	✅	✅		✅
requests		✅
if else		✅
list comprehension		✅
字串處理		✅
網頁爬蟲		✅
AI 摘要		✅	✅
pandas			✅	✅	✅	✅	✅	✅	✅
dataframe			✅
csv			✅	✅	✅	✅	✅	✅	✅
AI 文字分析			✅
主題分類			✅
情感分析			✅
matplotlib				✅	✅	✅		✅	✅
seaborn				✅
資料視覺化				✅	✅	✅		✅	✅
視覺化中文支援				✅	✅
數據處理	✅	✅	✅	✅	✅	✅	✅	✅	✅
客戶關係管理(CRM)						✅	✅
groupby				✅
社群媒體行銷				✅
AI 數據洞察					✅
data preprocessing						✅	✅	✅	✅
feature engineering						✅
機器學習						✅	✅	✅	✅
Scikit-learn						✅	✅	✅	✅
迴歸分析						✅
R²						✅
label encoding							✅
one-hot encoding							✅
Multicollinearity							✅
分類模型							✅
confusion matrix							✅
accuracy							✅
precision							✅
recall							✅
f1 score							✅
Standardization								✅	✅
分群演算法								✅
K-Means								✅
Elbow method								✅
顧客洞察								✅
降維分析									✅
PCA									✅
Perceptual Map									✅
市場研究									✅

本案例將帶領我們學習一種非常強大的進階分析技術——降維 (Dimensionality Reduction)。當我們的資料特徵（欄位）過多時，要找出關鍵影響因素並不容易。主成分分析 (PCA) 能幫助我們從眾多相關的變數中，萃取出最核心的、最具代表性的「主成分」，以簡化問題並洞察其根本結構。

1. 環境設定：中文字型

核心概念： matplotlib 或 seaborn 套件預設並未包含中文字型，若直接繪圖，圖表中的中文（如標題、座標軸標籤）將會顯示為無法辨識的方塊亂碼(暱稱為豆腐)。因此，繪製中文圖表前的第一步，就是手動安裝並設定字型。

本案例應用重點：

• !wget ...: 我們在 Colab 中使用 wget 這個指令，從網路上下載一個開源的思源黑體字型檔 (.otf 檔)，並將其存放在系統的字型路徑中。
• import matplotlib.font_manager as fm: 引入字型管理器，用來讀取我們剛下載的字型檔。
• plt.rcParams['font.family'] = ...: 這是最關鍵的一步，透過 rcParams (runtime configuration parameters) 這個設定，我們明確地告知 matplotlib：「接下來所有的圖表，請一律使用我們剛剛指定的那個中文字型來繪製。」

2. 載入數據：

• files.upload(): 執行這行程式碼時，Colab 會在您的瀏覽器中跳出一個檔案上傳的對話視窗，讓您可以從本機電腦選擇要上傳的檔案
• uploaded = ...: 當您選擇檔案並完成上傳後，files.upload() 會回傳一個 Python 字典 (dictionary)，裡面包含了您上傳的檔案資訊（檔名作為 key，檔案內容作為 value）。這個字典會被存放在 uploaded 這個變數中。
• try: ... except Exception as e: ...：這是一個錯誤處理的結構。
  • try:: 程式會嘗試執行 try 區塊內的所有程式碼。
  • except Exception as e:: 如果在 try 的過程中，發生任何錯誤（例如，上傳的檔案不是 CSV 格式、檔案已損毀等），程式不會因此崩潰，而是會跳到 except 區塊，執行裡面的程式碼來處理這個例外狀況。
• file_name = next(iter(uploaded))：因為 uploaded 是一個字典，我們需要從中取出檔名。
  • iter(uploaded) 會建立一個字典鍵（也就是檔名）的迭代器。
  • next(...) 則會從這個迭代器中取出第一個項目。由於我們一次只上傳一個檔案，所以這樣就能成功取得該檔案的檔名。

如果使用本地端的編輯器執行Python腳本（例如Spyder,VSCode），只要設定好工作目錄，就可以直接使用pandas read_csv() 方法載入數據集。upload()是用在當你使用colab環境時。

3. Pandas – 資料的準備與索引設定

核心概念： 在進行 PCA 分析前，我們需要將資料整理成適合模型讀取的格式。

本案例應用重點：

• df.set_index('Brand'): 我們將 Brand (品牌) 欄位設定為 DataFrame 的索引。這樣做的好處是，Brand 欄位不會被當成數值特徵參與後續的數學運算，它只作為每一列的標籤存在，方便我們最後在視覺化圖表上標示出各個品牌的位置。

4. Scikit-learn – 資料標準化 (Standardization)

核心概念： PCA 對資料的尺度非常敏感。與分群演算法一樣，在執行 PCA 之前，必須對資料進行標準化，以消除不同特徵因單位不同所造成的影響，確保所有特徵都在同一個基準上進行比較。

本案例應用重點：

• StandardScaler(): 初始化標準化轉換器。
• .fit_transform(): 對我們選定的所有數值特徵（價格、品質、創新分數等）進行標準化處理，得到一個全新的、標準化後的數據陣列。

5. Scikit-learn – 執行主成分分析 (PCA)

核心概念： PCA 是一種數學方法，它能將原始的多個特徵，線性組合成少數幾個全新的、彼此不相關的「主成分」(Principal Components)，並最大程度地保留原始資料的變異性。

本案例應用重點：

• from sklearn.decomposition import PCA: 從 scikit-learn 中匯入 PCA 模型。
• PCA(n_components=2): 初始化 PCA 模型，並透過 n_components=2 這個重要參數，指定我們希望將原始的多個特徵降維成兩個主成分。
• .fit_transform(): 將標準化後的資料投入 PCA 模型，執行降維。函式會回傳一個新的陣列，其中每一列代表一個品牌，而兩個欄位則分別是該品牌在「第一主成分」與「第二主成分」上的得分。

6. Matplotlib – 產品知覺圖 (Perceptual Map) 視覺化（分析產品定位）

核心概念： 產品知覺圖是 PCA 分析在行銷領域最經典的應用。它將降維後的結果繪製在一個二維平面上，讓我們能直觀地看出各品牌在消費者心目中的相對位置。

本案例應用重點：

• plt.scatter(): 我們使用散佈圖，將 X 軸設為「第一主成分得分」，Y 軸設為「第二主成分得分」，每一個點就代表一個品牌。
• 是在每一個代表品牌的散佈旁邊，標示出該品牌的名稱
  • plt.text(...) ：在 matplotlib 繪圖中，用來在圖表的特定座標位置上，加上文字註解
  • x=df_pca.PC1[i]+0.05：設定文字標籤的 X 座標。程式會先取得第 i 個品牌在第一主成分 (PC1) 上的分數（也就是該點的 X 座標），然後加上一個微小的位移量 0.05，目的是讓文字稍微偏離點的右側，避免文字直接蓋在點上。
  • y=df_pca.PC2[i]+0.05：設定文字標籤的 Y 座標。同樣地，程式會取得第 i 個品牌在第二主成分 (PC2) 上的分數（Y 座標），並加上 0.05，讓文字稍微偏離點的上方。
  • s=df_pca.index[i]：s 代表 string，也就是要顯示的文字內容。df_pca.index[i] 會取得第 i 個品牌的索引名稱（也就是我們一開始設定的 Brand 名稱）。
  • fontdict=dict(color='black', size=12)：fontdict 是一個用來設定字型樣式的字典。這裡我們設定了文字的 color (顏色) 為黑色，size (大小) 為 12。
  • fontproperties=font_prop：這個參數用來指定顯示文字所使用的字型。font_prop 是我們在程式碼開頭預先設定好的中文字型屬性。加上這個參數，才能確保圖表上的中文品牌名稱能夠正常顯示，而不會變成亂碼。

Perceptual Map（知覺圖）是什麼？ 它是一種行銷分析工具，用來視覺化呈現消費者如何感知不同品牌、產品或服務之間的相對位置。它幫助行銷人員理解市場上競爭者的定位、顧客對品牌的認知，以及找出可能的市場空缺。通常是一張2D平面圖，有X軸和Y軸，各代表一個消費者關心的產品屬性或形容詞維度（如「價格高低」「品質好壞」）。每個品牌或產品會根據調查結果被標示在圖上某個位置，代表它在這兩個維度上的相對感知。

7. PCA 結果解讀：解釋變異與主成分負荷

核心概念： 降維後，我們需要透過觀察 “主成分負荷 (Loadings)” 來理解這兩個新的「主成分」分別代表什麼意義。

本案例應用重點：

• pca.components_: 這是解讀主成分意義的關鍵。它儲存了每一個原始特徵對於構成新主成分的「貢獻度」或「權重」，也稱為主成分負荷 (Component Loadings)。透過觀察這些負荷值，我們可以為新的主成分命名（例如：高價格、高品質、高創新負荷 -> 或許可命名為「專業性能維度」） 。
• pca.explained_variance_ratio_: 這是 PCA 模型的一個重要屬性，它會告訴我們每一個主成分分別「解釋」了原始資料多少百分比的變異（資訊量）。例如，[0.75, 0.15] 代表第一主成分解釋了 75% 的資訊，第二主成分解釋了 15%。
• loadings = pca.components_.T * np.sqrt(pca.explained_variance_) ：計算並縮放主成分的負荷量 (Loadings)。
  • pca.components_：這本身儲存了主成分的「方向」或「權重」。它告訴我們，每一個原始特徵（如’價格’、’品質’）是如何組合 C 成新的主成分軸線的。
  • .T：這是轉置 (Transpose) 的意思。它將 pca.components_ 的行和列對調，使其結構變為每一列 (row) 代表一個原始特徵，方便後續的計算。
  • pca.explained_variance_：這代表每一個主成分所能「解釋」的原始資料變異量。您可以將其理解為該主成分的重要性或影響力。
  • np.sqrt(...)：np.sqrt() 是計算平方根。對變異量取平方根，得到的就是該主成分的標準差。這可以被視為該主成分軸線的「尺度」。
  • * (相乘)：最後，程式將代表「方向」的 pca.components_.T 與代表「尺度」的 np.sqrt(pca.explained_variance_) 相乘。

這行程式碼的物理意義，就像是將一個只有方向的單位向量，乘上一個代表其重要性的長度。

總結來說，這個案例的學習路徑是：

準備資料 -> 標準化 -> 執行 PCA 降維 -> 繪製產品定位圖 -> 解讀主成分 。

本案例將帶領我們進入「非監督式學習 (Unsupervised Learning)」的領域。與之前的預測模型不同，這次我們的資料沒有「正確答案」(如 Churn 欄位)。我們的目標是讓機器自動從數據中找出潛在的結構與群體，這個過程稱為分群 (Clustering)。

1. 環境設定：中文字型

核心概念： matplotlib 或 seaborn 套件預設並未包含中文字型，若直接繪圖，圖表中的中文（如標題、座標軸標籤）將會顯示為無法辨識的方塊亂碼(暱稱為豆腐)。因此，繪製中文圖表前的第一步，就是手動安裝並設定字型。

本案例應用重點：

• !wget ...: 我們在 Colab 中使用 wget 這個指令，從網路上下載一個開源的思源黑體字型檔 (.otf 檔)，並將其存放在系統的字型路徑中。
• import matplotlib.font_manager as fm: 引入字型管理器，用來讀取我們剛下載的字型檔。
• plt.rcParams['font.family'] = ...: 這是最關鍵的一步，透過 rcParams (runtime configuration parameters) 這個設定，我們明確地告知 matplotlib：「接下來所有的圖表，請一律使用我們剛剛指定的那個中文字型來繪製。」

2. 載入數據

• files.upload(): 執行這行程式碼時，Colab 會在您的瀏覽器中跳出一個檔案上傳的對話視窗，讓您可以從本機電腦選擇要上傳的檔案
• uploaded = ...: 當您選擇檔案並完成上傳後，files.upload() 會回傳一個 Python 字典 (dictionary)，裡面包含了您上傳的檔案資訊（檔名作為 key，檔案內容作為 value）。這個字典會被存放在 uploaded 這個變數中。
• try: ... except Exception as e: ...：這是一個錯誤處理的結構。
  • try:: 程式會嘗試執行 try 區塊內的所有程式碼。
  • except Exception as e:: 如果在 try 的過程中，發生任何錯誤（例如，上傳的檔案不是 CSV 格式、檔案已損毀等），程式不會因此崩潰，而是會跳到 except 區塊，執行裡面的程式碼來處理這個例外狀況。
• file_name = next(iter(uploaded))：因為 uploaded 是一個字典，我們需要從中取出檔名。
  • iter(uploaded) 會建立一個字典鍵（也就是檔名）的迭代器。
  • next(...) 則會從這個迭代器中取出第一個項目。由於我們一次只上傳一個檔案，所以這樣就能成功取得該檔案的檔名。

如果使用本地端的編輯器執行Python腳本（例如Spyder,VSCode），只要設定好工作目錄，就可以直接使用pandas read_csv() 方法載入數據集。upload()是用在當你使用colab環境時。

3. Scikit-learn – 資料標準化 (Standardization)

核心概念： K-Means 演算法是透過計算「距離」來進行分群的。如果我們的特徵單位或尺度差異過大（例如「年收入」的數值遠大於「消費分數」），那麼尺度較大的特徵將會主導整個分群過程，導致結果失準。因此，在進行分群前，我們必須先將所有特徵「標準化」，讓它們處於同一個比較基準上。

本案例應用重點：

• from sklearn.preprocessing import StandardScaler: 從 scikit-learn 中匯入標準化工具。
• StandardScaler(): 初始化一個標準化轉換器。
• .fit_transform(): 這是標準化的核心步驟。它會自動計算資料的平均值與標準差，然後對資料進行轉換，讓轉換後的資料平均值為 0，標準差為 1。

4. Scikit-learn – 使用 K-Means 演算法進行分群

核心概念： K-Means 是最經典的分群演算法之一。一旦我們決定了 k 值，就可以用它來訓練模型並找出分群結果。

本案例應用重點：

• from sklearn.cluster import KMeans: 從 scikit-learn 中匯入 K-Means 模型。
• KMeans(n_clusters=5, ...): 初始化 K-Means 模型，其中最重要的參數 n_clusters 就是我們直接指定（本案例為5），會是透過手肘法 (elbow) 決定的最佳分群數。
• .fit_predict(): 這個方法會一次性完成兩件事：首先，它會根據資料訓練模型，找出 5 個最佳的群體中心點 (fit)；接著，它會為資料中的每一個顧客，分配一個所屬的群組編號（0, 1, 2, 3, 或 4），並回傳這個結果 (predict)。

決定分群數 (k值) ，除了主觀設定一個值之外，也可以利用 Elbow方法，請看本文最後說明。

5. Matplotlib – 分群結果的視覺化

核心概念： 視覺化是驗證與解讀分群結果最直觀的方式。

本案例應用重點：

• 使用 seaborn 函式庫來繪製一個進階且美觀的彩色散點圖，目的是將分群結果視覺化。
  • sns.scatterplot()：sns 是 seaborn 函式庫的通用縮寫。scatterplot 是專門用來繪製散點圖的函式。
  • data=df：告訴函式「請從我們整理好的 df 這張資料表來抓取數據。」
  • x='Annual Income (k$)'：設定圖表的 X 軸（水平軸）要對應到 df 資料表中，名為「Annual Income (k$)」的那個欄位。
  • y='Spending Score (1-100)'：設定圖表的 Y 軸（垂直軸）要對應到名為「Spending Score (1-100)」的那個欄位。
  • hue='Cluster'：這是繪製分群圖的最關鍵參數。hue 的意思是「色調」。這個參數會指示 seaborn 根據 Cluster 欄位中的數值（例如 0, 1, 2, 3, 4）來為每一個點上不同的顏色。這使得我們能夠一眼就看出不同群體的分佈位置。
  • palette='viridis'：palette 是調色盤的意思。這個參數用來設定 hue 上色時的顏色主題。'viridis' 是一個專業且美觀的漸層色盤。
  • s=100：s 代表 size，用來設定散點圖上每個點的大小。
  • alpha=0.8：設定每個點的透明度。0.8 代表 80% 的不透明度，當點重疊時，顏色會加深，有助於觀察資料的密度。
  • edgecolor='k'：設定每個點的邊框顏色。'k' 是黑色 (black) 的縮寫，為點加上黑色邊框可以讓視覺效果更清晰。
• kmeans.cluster_centers_: 這是 K-Means 模型訓練完後，用來儲存各個群體中心點座標的屬性。我們會再用一次 plt.scatter()，將這些中心點以不同的樣式（如紅色的星號）標示在地圖上。
  • plt.scatter()：呼叫 scatter 函式，代表我們要在同一張圖上，再畫一層新的散佈圖。
  • centers[:, 0] 和 centers[:, 1]：centers 是一個儲存了所有群組中心點座標的陣列（Array）。centers[:, 0] 是一種陣列切片 (slicing) 的語法，意思是「取出所有列的第 0 個欄位」，也就是所有中心點的 X 座標。
  • 同理，centers[:, 1] 就是取出所有中心點的 Y 座標。
  • c='red'：c 代表 color。將這些中心點的顏色設定為紅色，使其在圖上非常顯眼。
  • s=250：s 代表 size。將中心點的大小設定為 250，比一般的資料點大很多，以凸顯其重要性。
  • alpha=0.9：設定點的透明度為 90%（接近不透明），讓中心點的顏色更飽和。
  • marker='X'：marker 代表標記樣式。將中心點的形狀設定為 ‘X’，以區別於代表個別顧客的圓點。
  • label='群組中心'：為這些紅色的 ‘X’ 標記設定一個圖例名稱，叫做「群組中心」。當我們稍後呼叫 plt.legend() 時，圖例上就會顯示「X 群組中心」的說明。

手肘法 (The Elbow Method)

核心概念： 在使用 K-Means 之前，我們需要先決定到底要將顧客分成幾群 (k 值)。「手肘法」是一種常用的、透過視覺化來輔助判斷最佳 k 值的方法。

重點說明：

• for k in range(1, 11):: 使用一個 for 迴圈，來依序測試將顧客分為 1 群、2 群、… 直到 10 群的各種情況。
• kmeans.inertia_: inertia 是 K-Means 模型的一個屬性，它代表了「群內點到其中心點的距離平方和」。這個值越小，代表分群效果越緊密。也稱為WCSS(within-cluster sum of squares)組內評分和。
• wcss.append(kmeans.inertia_): 在迴圈中，將每種 k 值算出來的 inertia_ 存入一個名為 wcss 的列表中，以便後續繪製「手肘圖」。
• 以下是一段程式碼範例：

# 假設 X_scaled 是已經標準化後的資料
# X_scaled = scaler.fit_transform(df[['Annual Income (k$)', 'Spending Score (1-100)']])

wcss = [] # Within-Cluster Sum of Squares, 用來存放每個 k 值的 inertia_

# 測試 k 從 1 到 10 的情況
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, init='k-means++', random_state=42)
    kmeans.fit(X_scaled)
    wcss.append(kmeans.inertia_)

# 繪製手肘圖
plt.figure(figsize=(10, 6))
plt.plot(range(1, 11), wcss, marker='o', linestyle='--')
plt.title('手肘法 (The Elbow Method)')
plt.xlabel('分群數量 (k)')
plt.ylabel('WCSS (群內平方和)')
plt.xticks(range(1, 11))
plt.grid(True)
plt.show()

總結來說，這個案例的學習路徑是：

資料標準化 -> 直接指定K值，或用手肘法找出最佳 K 值 -> 訓練 K-Means 模型 -> 視覺化分群結果。

本案例將帶領我們進入「分類 (Classification)」的世界，這是機器學習中另一大核心任務。我們將學習如何建立一個模型，來預測一個類別型結果——顧客「是」或「否」會流失。課程的重點在於分類模型獨有的資料前處理技巧，以及如何評估模型的預測成效。

1. 環境設定：中文字型

核心概念： matplotlib 或 seaborn 套件預設並未包含中文字型，若直接繪圖，圖表中的中文（如標題、座標軸標籤）將會顯示為無法辨識的方塊亂碼(暱稱為豆腐)。因此，繪製中文圖表前的第一步，就是手動安裝並設定字型。

本案例應用重點：

• !wget ...: 我們在 Colab 中使用 wget 這個指令，從網路上下載一個開源的思源黑體字型檔 (.otf 檔)，並將其存放在系統的字型路徑中。
• import matplotlib.font_manager as fm: 引入字型管理器，用來讀取我們剛下載的字型檔。
• plt.rcParams['font.family'] = ...: 這是最關鍵的一步，透過 rcParams (runtime configuration parameters) 這個設定，我們明確地告知 matplotlib：「接下來所有的圖表，請一律使用我們剛剛指定的那個中文字型來繪製。」

2. 載入數據

• files.upload(): 執行這行程式碼時，Colab 會在您的瀏覽器中跳出一個檔案上傳的對話視窗，讓您可以從本機電腦選擇要上傳的檔案
• uploaded = ...: 當您選擇檔案並完成上傳後，files.upload() 會回傳一個 Python 字典 (dictionary)，裡面包含了您上傳的檔案資訊（檔名作為 key，檔案內容作為 value）。這個字典會被存放在 uploaded 這個變數中。
• try: ... except Exception as e: ...：這是一個錯誤處理的結構。
  • try:: 程式會嘗試執行 try 區塊內的所有程式碼。
  • except Exception as e:: 如果在 try 的過程中，發生任何錯誤（例如，上傳的檔案不是 CSV 格式、檔案已損毀等），程式不會因此崩潰，而是會跳到 except 區塊，執行裡面的程式碼來處理這個例外狀況。
• file_name = next(iter(uploaded))：因為 uploaded 是一個字典，我們需要從中取出檔名。
  • iter(uploaded) 會建立一個字典鍵（也就是檔名）的迭代器。
  • next(...) 則會從這個迭代器中取出第一個項目。由於我們一次只上傳一個檔案，所以這樣就能成功取得該檔案的檔名。

如果使用本地端的編輯器執行Python腳本（例如Spyder,VSCode），只要設定好工作目錄，就可以直接使用pandas read_csv() 方法載入數據集。upload()是用在當你使用colab環境時。

3. Pandas – 分類模型的預處理 (Preprocessing)

核心概念： 機器學習模型只能理解數字，無法直接處理文字類型的類別資料（例如 Gender 欄位的 ‘Male’/’Female’）。因此，在訓練模型前，我們必須將這些文字轉換為數值格式。

本案例應用重點：

• le.fit_transform(df_processed['Churn']) ：將文字類型的目標變數轉換為數值
  • LabelEncoder: 這是 scikit-learn 函式庫中的一個工具，中文稱為「標籤編碼器」。它的唯一功能，就是將文字標籤（例如 ‘Yes’, ‘No’ 或 ‘蘋果’, ‘香蕉’）轉換成數字編碼（例如 0, 1, 2）。
  • le = ...: 這行程式碼的作用是建立一個 LabelEncoder 的實例，您可以想像成我們準備好了一台「標籤編碼機」，並將它命名為 le。
  • 整個轉換的核心做了兩件事情：fit (學習) 和 transform (轉換)。
  • fit (學習):
    • fit_transform 會先掃描 df_processed['Churn'] 這個欄位，找出裡面所有不重複的文字標籤。在這個案例中，它會找到 'No' 和 'Yes' 這兩種。
    • 接著，它會在內部建立一個對應的規則，通常是按照字母順序來編碼，例如：‘No’ -> 0, ‘Yes’ -> 1。這個過程就是 fit，代表編碼機已經「學會」了轉換的規則。
  • transform (轉換):
    • 學會規則後，編碼機會再次遍歷 Churn 欄位中的每一個值，並根據剛剛學會的規則，將所有的 'No' 都換成 0，所有的 'Yes' 都換成 1。
• pd.get_dummies(): 這是本案例最關鍵的資料前處理步驟，稱為 One-Hot Encoding。它會自動將所有文字類型的欄位（如 Gender, Contract, HasSupportTicket）轉換成多個 0 和 1 的新欄位，讓機器學習模型能夠理解這些類別資訊。
  • drop_first=True 是 pd.get_dummies() 函式中一個非常重要的參數，它的主要目的是為了避免「多重共線性」(Multicollinearity)，也常被稱為虛擬變數陷阱 (Dummy Variable Trap)。用一個簡單的例子來解釋：假設我們有一個 Gender 欄位，裡面只有 ‘Male’ 和 ‘Female’ 兩種值。
  • 如果「不使用」drop_first=True：
    • pd.get_dummies() 會產生兩個新的欄位：Gender_Male 和 Gender_Female。
    • 如果某位客戶是男性，那 Gender_Male 會是 1，Gender_Female 會是 0。
    • 如果某位客戶是女性，那 Gender_Male 會是 0，Gender_Female 會是 1。
    • 問題：這兩個新欄位是完全相關的。只要我們知道 Gender_Male 的值，就能 100% 推斷出 Gender_Female 的值（例如 Gender_Male 是 0，Gender_Female 必定是 1）。這種完美的線性關係會對某些機器學習模型（特別是線性迴歸）造成干擾，讓模型難以穩定地估計出各個特徵的影響力。
  • 如果「使用」了 drop_first=True：
    • pd.get_dummies() 會先產生 Gender_Female 和 Gender_Male 兩個欄位，然後丟棄第一個（在此例中是 Gender_Female），只留下 Gender_Male 這一個欄位。
    • 現在，模型的解讀方式變成：
      • 如果 Gender_Male 是 1，代表該客戶是男性。
      • 如果 Gender_Male 是 0，代表該客戶不是男性，也就是女性（這就是被丟棄的那個基準類別）。
    • 好處：我們只用一個欄位，就完整地保留了原始的性別資訊，同時完全避免了欄位間的完美相關性，讓模型能更穩定地運作。
  • 總結來說，drop_first=True 的目的就是在進行 One-Hot Encoding 時，自動捨棄掉一個多餘的參考欄位，以避免多重共線性的問題，讓後續的機器學習模型更穩健。
• pd.to_numeric(errors='coerce'): 在資料清理階段，確保費用相關的欄位都是數值型態。errors='coerce' 是一個重要的參數，它會自動將任何無法轉換為數字的值變為 NaN (缺失值)，方便我們後續統一處理。
• 用中位數填補空值:
  • df_processed['TotalCharges']:
  • 首先，程式碼選定了我們正在處理的 DataFrame df_processed 中，名為 TotalCharges (總消費金額) 的這個欄位。
  • .median():
  • 接著，它計算了 TotalCharges 這個欄位中所有現存數值的中位數。中位數是指將所有數值由小到大排序後，位於最中間的那個數。使用中位數來填補空值，是一種比平均數更穩健的方法，因為它不容易受到極端值（非常高或非常低的消費金額）的影響。
  • .fillna(...):
  • 這個函式的名字是 “fill na” 的縮寫，也就是「填補空值 (NA/NaN)」。它的作用是找到 TotalCharges 欄位中所有空白或無效的儲存格。
  • inplace=True:
  • 這是一個非常重要的參數。inplace=True 的意思是：「請直接在原始的 df_processed 資料表上進行修改」。如果沒有這個參數（或設為 False），fillna 會回傳一個修改過後的新資料表，但原始的 df_processed 不會改變。

機器學習模型（如決策樹、迴歸模型等）的運算基礎是數學，它們只能理解數字，無法直接處理 'Yes','No','Male' 或 'Female' 這樣的文字。因此，在訓練模型之前，我們必須將這些文字標籤轉換成模型可以理解的數值格式。這個過程就是「標籤編碼」（Labe Encodidng）。

4. Scikit-learn – 建立決策樹分類模型

核心概念： 我們將使用 scikit-learn 來建立一個決策樹 (Decision Tree) 分類器，這是一種直觀且易於理解的分類演算法。

本案例應用重點：

• 定義特徵 (X) 與目標 (y): 我們需要明確地將資料集分為兩部分：X 是用來預測的特徵（例如客戶合約類型、月費等），而 y 則是我們要預測的目標——Churn 欄位。
• train_test_split(): 與迴歸模型相同，我們將資料切分為訓練集與測試集，以客觀地評估模型成效。
• DecisionTreeClassifier(): 從 scikit-learn 中選擇並初始化一個決策樹分類模型。
• .fit() 與 .predict(): 同樣使用 .fit() 進行訓練，並用 .predict() 來對測試集進行流失預測。

5. Scikit-learn – 分類模型的成效評估

核心概念： 分類模型的評估指標比迴歸模型更豐富，我們不只關心「答對率」，更關心「模型錯在哪裡」。

本案例應用重點：

• confusion_matrix (混淆矩陣): 這是評估分類模型最重要的工具。它能清楚地顯示出模型在「預測流失，且實際也流失 (True Positive)」和「預測未流失，但實際已流失 (False Negative)」等四種情況下的表現，幫助我們了解模型的具體錯誤類型。
• classification_report: 這個函式會一次性回報多個關鍵指標，包含準確率 (Precision)、召回率 (Recall) 與 F1-score，讓我們能更全面地評估模型的好壞。
• accuracy_score: 整體預測的正確率，也就是「答對的題數 / 總題數」。

6. Matplotlib & Seaborn – 分類結果的視覺化

核心概念： 我們將評估指標與模型洞察，透過視覺化圖表呈現出來。

本案例應用重點：

• seaborn.heatmap(): 我們使用熱力圖來視覺化「混淆矩陣」，透過顏色的深淺，讓模型的預測結果一目了然。
• model.feature_importances_: 這是決策樹模型的一個重要屬性，它儲存了每一個特徵對於預測結果的「重要性分數」。
• sns.barplot(x='重要性', y='特徵', data=feature_importance_df, palette='viridis') 這行程式碼是使用 seaborn 函式庫來繪製一個水平長條圖，目的是將「特徵重要性」這個分析結果視覺化。。

總結來說，這個案例的學習路徑是：

資料清理 -> One-Hot Encoding -> 切分資料集 -> 訓練分類模型 -> 評估分類模型 -> 視覺化”特徵重要性”

本案例將帶領我們進入「預測性分析」的領域。我們將學習如何使用機器學習中的迴歸 (Regression) 演算法，來預測一個連續的數值——顧客未來的消費總額。課程的重點不僅在於訓練模型，更在於如何從原始數據中提煉出有意義的特徵 (Feature Engineering)。

1. 環境設定：中文字型

核心概念： matplotlib 或 seaborn 套件預設並未包含中文字型，若直接繪圖，圖表中的中文（如標題、座標軸標籤）將會顯示為無法辨識的方塊亂碼(暱稱為豆腐)。因此，繪製中文圖表前的第一步，就是手動安裝並設定字型。

本案例應用重點：

• !wget ...: 我們在 Colab 中使用 wget 這個指令，從網路上下載一個開源的思源黑體字型檔 (.otf 檔)，並將其存放在系統的字型路徑中。
• import matplotlib.font_manager as fm: 引入字型管理器，用來讀取我們剛下載的字型檔。
• plt.rcParams['font.family'] = ...: 這是最關鍵的一步，透過 rcParams (runtime configuration parameters) 這個設定，我們明確地告知 matplotlib：「接下來所有的圖表，請一律使用我們剛剛指定的那個中文字型來繪製。」

2. 載入數據

• files.upload(): 執行這行程式碼時，Colab 會在您的瀏覽器中跳出一個檔案上傳的對話視窗，讓您可以從本機電腦選擇要上傳的檔案
• uploaded = ...: 當您選擇檔案並完成上傳後，files.upload() 會回傳一個 Python 字典 (dictionary)，裡面包含了您上傳的檔案資訊（檔名作為 key，檔案內容作為 value）。這個字典會被存放在 uploaded 這個變數中。
• try: ... except Exception as e: ...：這是一個錯誤處理的結構。
  • try:: 程式會嘗試執行 try 區塊內的所有程式碼。
  • except Exception as e:: 如果在 try 的過程中，發生任何錯誤（例如，上傳的檔案不是 CSV 格式、檔案已損毀等），程式不會因此崩潰，而是會跳到 except 區塊，執行裡面的程式碼來處理這個例外狀況。
• file_name = next(iter(uploaded))：因為 uploaded 是一個字典，我們需要從中取出檔名。
  • iter(uploaded) 會建立一個字典鍵（也就是檔名）的迭代器。
  • next(...) 則會從這個迭代器中取出第一個項目。由於我們一次只上傳一個檔案，所以這樣就能成功取得該檔案的檔名。

如果使用本地端的編輯器執行Python腳本（例如Spyder,VSCode），只要設定好工作目錄，就可以直接使用pandas read_csv() 方法載入數據集。upload()是用在當你使用colab環境時。

3. Pandas – 進階資料處理與特徵工程

核心概念： 特徵工程是將原始數據轉換為能更好地代表問題潛在規律的特徵，以供機器學習模型使用的過程。在本案例中，我們將從交易記錄中建構出經典的 RFM 模型指標。

本案例應用重點：

• pd.to_datetime(): 將文字格式的日期轉換為 Python 的時間物件，這是進行時間相關計算的基礎。
• pd.Timedelta(): 用於進行日期的加減運算，例如在本案例中，我們用它來定義分析的基準日。
• df.groupby('...'): 再次運用分組功能，這次是根據 CustomerID 將所有交易記錄歸戶到每一位顧客身上。
• .agg() 與 lambda 函式: 這是本案例的特徵工程核心。我們使用 .agg() 對分組後的資料進行多重彙總計算，並在其中巧妙地運用 lambda 匿名函式，來快速定義「計算最近一次消費天數」這樣客製化的計算邏輯。

4. Scikit-learn – 建立你的第一個機器學習模型

核心概念： scikit-learn 是 Python 最主流的機器學習函式庫。我們將學習一套標準的模型建立流程：切分資料 -> 初始化模型 -> 訓練模型 -> 進行預測。

本案例應用重點：

• 資料切分 train_test_split(): 這是機器學習的關鍵步驟。我們將資料集分為「訓練集」(用來訓練模型) 和「測試集」(用來評估模型成效)。test_size=0.2 代表我們保留 20% 的資料作為從未見過的考試題目，以檢驗模型的真實預測能力。
• 模型初始化 LinearRegression(): 從 scikit-learn 中選擇並建立一個線性迴歸模型的「空白模具」。
• 模型訓練 .fit(): 這是機器「學習」的過程。我們將訓練集的特徵 (X_train) 與答案 (y_train) 交給模型，.fit() 方法會自動找出特徵與答案之間的數學關係。
• 模型預測 .predict(): 使用訓練完成的模型，對測試集的特徵 (X_test) 進行預測，得出模型的預測結果。

5. Scikit-learn – 模型的成效評估

核心概念： 模型的好壞不能憑感覺，必須要有客觀的評估指標。

本案例應用重點：

• from sklearn.metrics import ...: 從 metrics 模組中，我們匯入了兩個常用的迴歸模型評估工具。
• mean_squared_error (MSE): 均方誤差，用來衡量模型預測值與真實值之間的平均誤差程度，數值越小代表模型越準確。
• r2_score (R²): R-squared 值，代表模型對資料變異的解釋能力，其值越接近 1，表示模型的解釋力越強。

6. Matplotlib – 迴歸結果的視覺化

核心概念： 對於迴歸模型，最直觀的評估方式就是比較「預測值」與「真實值」的差異。

本案例應用重點：

• plt.scatter(): 我們使用散點圖，將 X 軸設為「真實值」，Y 軸設為「模型預測值」。
• 繪製對角線 plt.plot(): 我們額外繪製一條 y=x 的虛線。如果模型預測完美，所有的點都會落在這條線上。因此，我們可以透過觀察散點的分佈與這條線的貼近程度，來直觀判斷模型的預測效果。

總結來說，這個案例的學習路徑是：

資料前處理 -> 特徵工程 (計算 RFM) -> 切分資料集 -> 訓練迴歸模型 -> 評估模型成效 -> 視覺化預測結果。