Baldi 與 Brunk 於 Bioinformatics: the machine learning approach.(2001)序言指 出:“As a result, the need for computer / statistical / machine learning techniques is today stronger rather than weaker.”，機器學習方法對於現在與未來生活佔有一席 之地，且一點一滴影響著我們的生活，如 E-MAIL 收信時會有信件系統自動過濾
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2
間的關係，會使用資料雲幾何樹(Data Cloud Geometry Tree)、階層式分群法 (Hierarchical clustering)、支持向量機(Support Vector Machine)、Hybrid method 與 抽樣多數決投票法(Voting)演算法計算出分類正確率。此篇論文欲使用權重與改 進(boost)演算法，提升機器學習演算法的正確率，從資料所包含幾何特徵資訊所 得加權係數，本篇所運用加權方式是經由配適模型後所得加權係數來探討數據間 的幾何關係，探討在有使用距離矩陣的演算法中是否能有效提升正確率，考慮的 距離計算公式為歐氏距離與相關係數矩陣，也是最常使用與計算距離矩陣的方 式。將會使用三筆不同資料型態觀察分類結果，其中有兩筆資料使用監督式學習，
一筆資料使用半監督式學習。
‧
(BioBehavioral Assessment Project)所蒐集的結果，觀察北印度恆河幼兒猴的生物 行為特徵，所有特徵觀察值記錄著數值資料。由錄影帶錄製猴子的生活，每隻猴 變數與 185 個行為變數在監督式學習方法且使用交叉驗證(cross-validation)分類 正確率。如圖 1 所示，圖中已將變數值全為 0 的變數移除，剩 184 個解釋變數。且將資料內有值皆顯示為淺藍色，值為 0 則顯示為白色，可明顯看出此資料變數 中的 0 值相當多。紅色區隔線將高度緊張與低度緊張的猴子區隔，上半部為低度 緊張猴子，下半部為高度緊張猴子。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4
圖 1. 生物行為評估專案熱圖
第二筆資料為 Culp M (2001)所使用的月亮模擬資料，此筆資料生成出 1000 個樣本、分類變數為二元類別變數與 2 個解釋變數，故將兩個解釋變數依二維座 標畫出，則會呈現左上與右下各呈現半月型資料型態，圖 2 所示。左上部分與右 下部分為兩種類別，黑色部分為訓練集資料，而紅色部分為測試集資料。欲將使 用半監督式學習方法預測訓練集資料的正確率。
圖 2. 月亮模擬資料
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5
第三筆資料為美國威斯康辛州診斷乳癌資料集(Breast Cancer Wisconsin Diagnostic)，在 Boosting SVM classifiers with logistic regression. (Chang Y. C. I. 2003) 有將此資料做驗證分類結果。此資料為 UC Irvine Machine Learning Repository 網 站所收集的公開資料，資料樣本有 569 個，分類變數為二元分類變數，診斷出是 否癌症為惡性或良性，解釋變數共有 30 個，且其中包含半徑、周長、平滑度、
緊密度等各項屬性特徵，故將會使用監督式學習方法且使用交叉驗證(cross-validation)分類正確率。如圖 3 所示資料分布均勻，且紅色區隔線將診斷出是否 癌症為惡性與良性區隔，上半部為癌症是良性，下半部為癌症是惡性。
圖 3. 美國威斯康辛州診斷乳癌資料