結果說明

進行主要階段關聯性法則分析，在於最小支持度門檻值及最小信賴度門檻值予以設定 不同，因而產生不同層次的關聯性法則。如果兩大門檻值隨意設定，將會產生數種關聯性 法則，法則之多並非本研究之主要目標，而是要追求具有相當意義有用的法則，也就是值 得且令人感到興趣的法則。接著會以同樣方式進行相關颱風特性與大宗花卉產地供應量及 颱風特性與大宗花卉成交量的關聯性法則分析，其演算結果，將會於以下作深入剖析與解 釋。

1. 針對颱風強度與最大總雨量找出之關聯性法則舉例說明：

設定最小支持度門檻值 = 10%，最小信賴度門檻值 = 80%，關聯性法則如表5.10所示：

表5.10 關聯性法則(六)

項目組數 支持與信賴度 關聯性法則 值

(a)支持度 輕度颱風 最大總雨量(0-500mm) 產量變動狀態(先下降 後上升)

0.147

(b)信賴度 輕度颱風 AND 最大總雨量(0-500mm) ==> 產量變動

狀態(先下降後上升) 0.833

(c)支持度 輕度颱風 最大總雨量(0-500mm) 當天成交量比較(北>彰

>中>南) 0.147

2

(d)信賴度 輕度颱風 AND 最大總雨量(0-500mm) ==> 當天成交

量比較(北>彰>中>南) 0.833 有意義的關聯性法則：

1. 輕度颱風 AND 最大總雨量(0-500mm) ==> 產量變動狀態(先下降後上升) 2. 輕度颱風 AND 最大總雨量(0-500mm) ==> 當天成交量比較(北>彰>中>南) 3. 輕度颱風 AND 最大總雨量(0-500mm) ==>

產量變動狀態(先下降後上升) AND 當天成交量比較(北>彰>中>南)

上述關聯性法則解釋：

在侵台颱風與影響產地及成交量資料全部相關記錄中，最小支持度與最小信賴度分別 設為10%和95%。

項目組數為2者：

(a) 由表5.13可以清楚得知，侵台颱風強度為輕度颱風、最大總雨量範圍在0-500mm與 產量變動狀態(先下降後上升)同時發生次數百分比為0.147(支持度)。

(b) 在侵台颱風為輕度颱風且最大總雨量(0-500mm)下，同時發生颱風侵襲花卉產地 後，玫瑰花產地產量變動狀態(先下降後上升)，其概率為1。

(c) 侵台颱風強度為輕度颱風、最大總雨量範圍在0-500mm與當天成交量比較(北>彰>

中>南)同時發生次數百分比為0.147(支持度)。

(d) 在侵台颱風為輕度颱風且最大總雨量(0-500mm)下，同時發生颱風侵襲後，當天成

交量比較(北>彰>中>南)，其概率為1。

由以上所述，發現(b)與(d)左邊條件皆一致，故可以有效的進行適當合併產生新的關聯 性法則。當侵台颱風為輕度颱風且最大總雨量範圍在0-500mm條件下，同時發生玫瑰產地 產量為下降後上升與當天之成交量比較(北>彰>中>南)的可能。可以初步判斷颱風在某些條 件下直接影響玫瑰產地產量與得知四家批發市場當天成交量的比較結果。

2. 針對最大總雨量地點與移動路徑找出之關聯性法則舉例說明：

設定最小支持度門檻值 = 10%，最小信賴度門檻值 = 95%，關聯性法則如表5.11所示：

表5.11 關聯性法則(六)

項目組數 支持與信賴度 關聯性法則 值

支持度 出現台北地點 玫瑰產地排序(南投>台中>彰化) 第一類型(1,2)

0.118 2

信賴度 出現台北地點 AND 第一類型(1,2) ==> 玫瑰產地排序

(南投>台中>彰化) 1

有意義的關聯性法則：

1. 出現台北地點 AND 第一類型(1,2) ==> 玫瑰產地排序(南投>台中>彰化)

上述關聯性法則解釋：

在侵台颱風與影響產地資料全部相關記錄中，最小支持度與最小信賴度分別設為10%

和95%。

項目組數為2者：

(a) 由表5.13可以清楚得知，侵台颱風於最大總雨量出現在台北、移動路徑為第一類型 (1,2)與玫瑰產地排序(南投>台中>彰化)同時發生次數百分比為0.118(支持度)。

(b) 在侵台颱風之台北為最大總雨量且第一類型(1,2)移動路徑下，同時發生颱風侵襲花 卉產地後，玫瑰產地排序的大小以南投產地最大，台中居中，彰化為最小，其概 率為1。

由以上所述，發生玫瑰產地排序(南投>台中>彰化)情況下，可以初步判斷颱風影響玫 瑰產地嚴重性為彰化比南投嚴重。

3. 針對颱風強度與最大總雨量找出之關聯性法則舉例說明：

設定最小支持度門檻值 = 10%，最小信賴度門檻值 = 95%，關聯性法則如表5.12所示：

表5.12 關聯性法則(七)

項目組數 支持與信賴度 關聯性法則 值

2 支持度 輕度颱風 最大起伏變動大小(251-500) 最大總雨量 (501-1000mm)

0.147

信賴度 輕度颱風 AND 最大總雨量(501-1000mm) ==> 最大

起伏變動大小(251-500) 1

有意義的關聯性法則：

1. 輕度颱風 AND 最大總雨量(501-1000mm) ==> 最大起伏變動大小(251-500)

4. 針對颱風最大總雨量與最大風速找出之關聯性法則舉例說明：

設定最小支持度門檻值 = 10%，最小信賴度門檻值 = 95%，關聯性法則如表5.13所示：

表5.13 關聯性法則(八)

項目組數 支持與信賴度 關聯性法則 值

支持度 最大總雨量(1001-1500mm) 最大風速(32.7-50.9m/s) 成交量變化下降狀態(台北降)

0.118 2

信賴度 最大總雨量(1001-1500mm) AND 最大風速

(32.7-50.9m/s) ==> 成交量變化下降狀態(台北降) 1 有意義的關聯性法則：

1. 最大總雨量(1001-1500mm) AND 最大風速(32.7-50.9m/s) ==>

成交量變化下降狀態(台北降)

5. 針對最大總雨量地點與移動速度找出之關聯性法則舉例說明：

設定最小支持度門檻值 = 10%，最小信賴度門檻值 = 95%，關聯性法則如表5.14所示：

表5.14 關聯性法則(九)

項目組數 支持與信賴度 關聯性法則 值

支持度 出現嘉義地點 移動速度(0-15km/hr) 當天成交量比較(雄

>北>彰>中>南)

0.118 2

信賴度 出現嘉義地點 AND 移動速度(0-15km/hr) ==> 當天

成交量比較(雄>北>彰>中>南) 1 有意義的關聯性法則：

1. 最出現嘉義地點 AND 移動速度(0-15km/hr) ==> 當天成交量比較(雄>北>彰>中>南)

經由以上之有意義關聯性法則剖析後，接著將運用相同方式求出大菊、火鶴花、香水 百合、葵百合、非洲菊、洋桔梗、康乃馨、劍蘭之關聯性法則。首先將整理好的大宗花卉 資料，予以定義假設並進行整合，接著執行數據轉換(如附錄D-1至D-10)並進行Apriori演算 軟體的運作。此研究挖掘出關聯性法則共有「58條」，其相關結果如表5.15所示。

表5.15 關聯性法則整合表

最大總雨量(501-1000mm) AND 最大風速(17.2 以下,17.2-32.6m/s)

==> 最大起伏變動量大小(251-500)

1 小菊產地排序 沒有

1 葵百合產地排序 沒有

1 康乃馨產地排序 出現嘉義地點 AND 移動速度(0-15Km/hr) ==>

由表5.16可得知在於型式1~6之分佈中，玫瑰花資料之探勘能力(所能找出有意義的關 聯性法則)，比其他九種花卉還要容易篩選且資料穩定度高。相反的，小菊與葵百合兩種花 卉之探勘能力顯得比較弱。扣除玫瑰花、小菊和葵百合之其他七種花卉介於前三者之間。

然而對篩選有意義的關連法則而言，由於所能產生之法則上百條可能含許多不合理或 無意義的法則，故應該予以適當控制。或著是和花卉公司相關工作人員討論以了解法則背 後的涵義。若能合理解釋這些法則，則可以將這些相關知識與供應單位分享以適當掌握颱 風對大宗花卉量的影響。

第六章 結論與建議

本章主要可分兩個部分，第一節為研究結論，運用資料轉換服務機制成功將高雄資料 超市整合前四大資料超市，完成最終總資料倉儲之建置並說明資料探勘過程與Apriori 搜尋 關聯性法則之結果。第二節為研究建議，以利未來研究方向之用。