常用的資料探勘方法

本研究將使用決策樹 CART 和 CHAID 來建立分類與預測模型，

再透過 Apriori 關聯性分析找出項目間之隱含關係。各類模型在下列 作簡單介紹。

A. 卡方自動互動偵測樹 (CHAID Tree)

CHAID Tree 是利用統計分析方法來解釋資料，CHAID Tree 的 前身為自動互動檢視法 (Automatic Interaction Detection, 簡稱 AID)，

最早是由 Morgan & Sonquist 於 1960 年代初期發展出來的方法，利 用逐次搜尋的方式，繪出樹狀圖來找出最能解釋目標變數變化的預 測變數。而 CHAID Tree 是由 Kass 於 1980 年所提出的決策樹演算法，

分析方法採用 Bonferroni 的調整卡方值作為分割樣本的依據，主要 適用於建立非二元的樹的應用上，其特徵是透過卡方檢測進行多向 分支，同時會依據卡方檢定運算，來決定決策樹是否繼續生長，以 避免決策樹過度分割，降低 Over-Fitting 發生的可能。另外，對於資 料處理的類型上，CHAID 只能處理類別型的目標變項，主要透過卡 方檢定找出最佳的分支點，但要處理連續屬性前必頇先進行離散化 處理，若是資料為連續型的目標變項時，則利用 F 檢定找出最佳的 分支點。

CHAID Tree 的運作模式主要如下，將輸入的訓練組資料進行分 支，並依據運算的結果分成幾個子節點，接著利用卡方檢定來檢查 這些節點最大的類別差異，如能夠產生類別最大的顯著差異預測變 數，則成為節點的分隔變數。依照此模式持續建樹，直到分類的結 果無法達到顯著差異為止。

本研究採用的 Exhaustive CHAID Tree 的演算法，是 CHAID Tree 的改進演算法，由 Biggs, De Ville & Suen 於 1991 年提出。CHAID Tree 在 分 箱 過 程 中 ， 如 果 發 現 無 需 再 合 併 就 停 止 合 併 ， 但 Exhaustive CHAID 將繼續合併目標變項 (依據統計量觀測值大小)，最終形成兩

個超級群組，在組的合併上較 CHAID Tree 演算法更徹底，利於預測

 Exhaustive CHAID 對所有分割進行 更徹底的檢查，但計算時間比較長。

B. 分類與迴歸樹 CART (Classification And Regression Tree)

CART 是由 Breiman, Friedman, Olshen & Stone 於 1984 年所提出，

是一種二元的分割法，主要產出為二元樹，並利用吉尼索引值 (Gini index)作為分割的依據，找出最佳分類節點。每次分割都將類別資料 分為二個子節點，再重複由每一個子節點中找尋下一個分割的依據，

經由不斷將類別資料分成二個子節點的方式來建樹，直到無法分割 為止。Breiman (1984)認為 CART 優點在於：

1. 它是一個非參數的分類守則，而且不需要事先的假設規則，

CART 也是一種監督式學習模型 (Supervised Learning)之資料探 勘演算法，所謂監督式學習是指透過訓練過程，讓資料學習哪個值

p_j為屬於類別 j 的樣本在 D 中出現的相對頻率

在 CART 分 類 樹 演 算 法 中 有 Gini ( 預 設 ) 、 Symgini 、 Class Probability、Twoing 以及 Ordered Twoing 等五種方法。本研究採用 預設 Gini 方法進行探勘分類。

當決策樹太過於複雜而導致過度遷就 (Over-Fitting)發生時，則 必頇對樹進行適當的刪減，以提升決策樹的準確性。過度的產生主 要是因為原始訓練資料不完整或是含有雜訊等因素，也有可能因為 屬性太多或是資料的偏差而造成過度。樹狀的修剪方式主要有事前 修剪 (Pre-Pruning)與事後修剪 (Post-Pruning)兩種，事前修剪運用統 計門檻值加以衡量，評估是否該繼續分割某內部節點或是應該立刻 停止，同時也避免樹的過度成長以避免樹長得太深。事後修剪則是 在決策樹建構完成後，若存在有過度分割的情形時，則對樹狀進行 適當的修剪。對於 CART 在樹的修剪方法上，是依據整體節點的誤 差率 (Entire error rate)來作為修剪樹的根據，以達到最有效的分類。

常見的決策樹演算法有 ID3、C4.5/C5.0、CHAID、CART 等幾 種方法，每一種演算法都有不一樣的歸納(分割)方法，如表 2-3 所示。

歸納方法會依變項的種類，分成下列幾項:

1. 類別型態變項

 吉尼索引值 (Gini Index)

 熵 (Entropy)

 資訊量增益比例 (Information Gain Ratio)

 卡方分析 (Chi-square Test) 2. 連續型態變項

 變異簡化 (Reduction in Variance)

 F 檢定 (F test)

表 2-3 決策樹演算法比較

演算法 作者 資料屬性 分割規則 修剪規則

ID3 Quinlan (1986) 類別型態 熵 (Entropy)、資訊 獲利 (Gain Ratio)

事後修剪 (Postpruning)、

誤差率 (Error Rate)

C4.5/C5.0 Quinlan (1993,

1998) 類別型態 資訊獲利 (Gain Ratio)

事後修剪 (Postpruning)、

誤差率 (Error Rate) Error Rate)

CHAID Kass (1980) 類別型態 卡方分配

(Chi-Square Test) 事前修剪 (Postpruning)

C. Apriori 關聯分析:

關聯規則探勘是由 Agrawal & Sirkant 在 1994 年提出。所謂的關 聯規則就是從大量的資料集合中，探勘資料之間的隱藏知識。最有 名的研究就是購物籃分析 (Market Basket Analysis )，該研究藉由分 析顧客的購買行為，找出顧客購買相關商品之間彼此的關聯性。

Apriori 演算法主要是從資料中，找到彼此有關聯規則候選項目 (Items)的集合，並且計算每一個候選項目出現的機率，再依所設定 的支持度 (Support)來衡量此候選項目是否為關聯規則。Apriori 演 算法是利用向下封閉性與反單調性的性質，來產生關聯規則的演算 法。根據支持度的值，找出頻繁的項目集。另外還有幾種挖掘關聯 規則的演算法，主要的差別在於候選項目集的產生方式以及支持度 的計算方式包括了抽樣演算法、FP-tree 演算法、分割演算法 (Tan, 2007)。

而在關聯規則中通常利用三個衡量值來指出關聯規則的強度，

響目標變項即是護理人員的績效、教育訓練與績效之間是否有相關 性以及建立護理人員的績效預測。