‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
7. 以分類結果而言，球員表現並不一定就足以代表其薪資情形，有時因為球員 的經紀人，依球員上一份合約年度內的表現，替球員爭取較高的新合約，但 簽約後，有可能因為年紀變化或是轉換不同球隊，球員不一定能維持相同的 表現水準，造成高薪低就或是薪資無法反映在球員的表現上之情況。
5.2 未來展望
在本研究中，我們搜集了球員例行賽和季後賽的相關數據記錄，也參考了一些統 計指標，搭配 Data Mining 中的幾個步驟，如預測、特徵選取、分類，希望透過 相關數據和統計指標，找出與薪資之關聯性，但找出具有相關性的指標並不在多 數，因此後續的研究中，我們可給與以下幾點不同的建議方向：
1. 可再多增加不同的統計指標或其他相關數據，藉以找出更多不同的關聯性，
比如說，可將進攻的相關指標和防守的相關指標，搭配上場時間找出球員的 貢獻度…等，希望可使用更多的統計指標，在進行預測和特徵選取時可得到 更好的結果。
2. 在特徵選取的部份，我們使用的是基因演算法(Genetic Algorithm)，在未來 可考慮除了基因演算法，再搭配不同的特徵選取方式，藉以找出不同的特徵 組合，或是比較不同演算法的結果差異，差異原因為何。
3. 在分類的部份，首先我們是將薪資欄位分成四種分類，此部份也可嘗試不同 的分類方式，或是進行更多種的分類，可使球員薪資差異更為明顯。
4. 在分類器的部份，後續建議可嘗試搭配不同的分類器，或是針對某個明顯的 特徵進行權重的設置，以找出更好的分類方式，使正確率可再往上提昇。
5. 本文研究方向是球員個人為出發點，如果可再加上一些團隊相關的條件，比 如整體團隊薪資上限或是球隊中高薪球員佔團隊薪資比例，也許可以發現不 同的薪資影響條件。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
隨著科技演進及全球化，未來 NBA 的相關數據可望有更多及更詳細的記錄，搭配 更大的資料儲存空間和不同的演算法，可望找出更多球員表現和薪資的背後，所 隱藏的一些特性，加上日漸不同的籃球觀念，從以往傳統的球員身高和距離籃框 愈近得分愈容易，到現今的三分投射和團隊整體搭配，如能將更多不同特性找出，
可讓我們在研究觀察此一運動賽事，有更多不同的看法和樂趣。
‧
[1] http://www.basketball-reference.com/
[2] 王浚宇，"NBA 外籍球員薪資與效率衡量之關聯性研究."政治大學會計研究
[6] Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth. "From data mining to knowledge discovery in databases." AI Magazine, 17.3 (1996): 37.
[7] https://en.wikipedia.org/wiki/Statistical_significance [8] https://en.wikipedia.org/wiki/John_Hollinger
[9] https://en.wikipedia.org/wiki/Data_mining
[10]Han, Jiawei, Micheline Kamber, and Jian Pei. Data mining: concepts and techniques: concepts and techniques. Elsevier, 2011.
[11]Kohavi, Ron, and George H. John. "Wrappers for feature subset selection."Artificial Intelligence,97.1 (1997): 273-324.
[12]Guyon, Isabelle, and André Elisseeff. "An introduction to variable and feature selection." The Journal of Machine Learning Research,3 (2003): 1157-1182.
[13]Kira, Kenji, and Larry A. Rendell. "A practical approach to feature selection." Proceedings of the Ninth International Workshop on
‧
Machine Learning. 1992.
[14]Yang, Yiming, and Jan O. Pedersen. "A comparative study on feature selection in text categorization." International Conference on Machine Learning. Vol. 97. 1997.
[15]Jain, Anil, and Douglas Zongker. "Feature selection: Evaluation, application, and small sample performance." IEEE Transactions on Pattern Analysis and Machine Intelligence,19.2 (1997): 153-158.
[16]Dash, Manoranjan, and Huan Liu. "Feature selection for
classification." Intelligent Data Analysis, 1.1 (1997): 131-156.
[17]J.Weston, S.Mukherjee, O.Chapelle, M.Pontil, T.Poggio, V.Vapnik.
"Feature selection for SVMs." NIPS. Vol. 12. 2000.
[18]Liu, Huan, et al. "Feature Selection: An Ever Evolving Frontier in Data Mining."FSDM, 10 (2010): 4-13.
[19]朱啟源，資料前處理之研究: 以基因演算法為例; Feature and Instance Selection Using Genetic Algorithms: An Empirical Study. 中央大學資 訊管理學系學位論文 (2011): 1-62.
[20]Haupt, Randy L., and Sue Ellen Haupt. Practical genetic algorithms.
John Wiley & Sons, 2004.
[21]Cios, Krzysztof J., Witold Pedrycz, and Roman W. Swiniarski. Data Mining and Knowledge Discovery. Springer US, 1998.
[22]Michael, J. A., and S. Linoff Gordon. "Data mining technique: For marketing, sales and customer support." New York: John Wiley&Sons Inc. 445 (1997)
[23]Cabena, Peter, et al. Discovering data mining: from concept to implementation. Prentice-Hall, Inc., 1998.
[24]Safavian, S. Rasoul, and David Landgrebe. "A survey of decision tree
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
classifier methodology." IEEE transactions on systems, man, and cybernetics, 21.3 (1991): 660-674.
[25]蔡佳玲, 洪新原, and 袁繼銓. "以決策樹模型探討未開立慢性病連續處方 之影響因子." 資訊管理學報, 18.4 (2011): 139-164.
[26]Fawcett, Tom. "An introduction to ROC analysis." Pattern recognition letters, 27.8 (2006): 861-874.
[27]Ramaswamy, Sridhar, Rajeev Rastogi, and Kyuseok Shim. "Efficient algorithms for mining outliers from large data sets." ACM SIGMOD Record. Vol. 29. No. 2. ACM, 2000.
[28]Na Wei, "Predicting the outcome of NBA playoffs using the naïve bayes algorithms." Department of Biomedical Engineering, College of Engineering, University of South Florida, Tampa, FL 33620, USA (2011).
[29]Loeffelholz, Bernard, Earl Bednar, and Kenneth W. Bauer. "Predicting NBA games using neural networks." Journal of Quantitative Analysis in Sports, 5.1 (2009).
[30]https://en.wikipedia.org/wiki/Ordinary_least_squares