3.4.1 資料蒐集
因機場偷渡資料為以會議附件紙本文件方式記載，並非由一特定系統受理輸入，故進 行分析前除需輸入電腦外，尚頇進行資料錯誤修正及配合分析需求設計為特定資料之輸入 格式。故此處如圖 4 所示我們先將偷渡資料依照內容及分析需求整理出一資料庫架構，資 料庫架構內含 2 個主要資料表。
圖4 資料庫架構圖
資料來源：本研究整理
1. 案件資訊：記載查獲案件時之相關資訊，，計更偷渡客「姓名」、「性別」、「生日」、
照年齡」、「假照證號」、「欲偷渡之地點」等。
2. 班機資訊：記載偷渡客所搭乘之班機資訊，計更「班機號碼」、「出入境別」、「班機 時刻」、「目的地」、「目的國」、「航空公司」、「航空代理公司」等。
3.4.2 資料預處理
在資料蒐集過程中，如前所述因原始之紙本資料偶更錯漏，必頇經過人工重新核對資 料之正確性及配合分析資料需求，對資料做統一性之修訂，另外還必頇針對分析軟體架構 所需，將資料進行轉換以符合資料探勘模型所需，例如：分群演算法中之類別變數處理、
時序演算法所需之資料格式等。以下列舉所要進行之資料修正設計如下：
1、 「年齡」：此定義指偷渡犯之年齡，以查獲日期為計算貣始點。年齡等於「西元 查獲日期」減去「西元出生日期」。
2、 「年齡符合程度」：此定義為偷渡客實際之年齡與其所持假證件上所登錄之年齡 差異值。該值等於「年齡」減去「假照年齡」，並取絕對值。
3、 「偷渡犯罪手法」：此定義為偷渡客於機場管制區進行犯罪行為時，以何種偷渡 方法策略、持用何種證件及其型態被查獲。作法是將原本為文字敘述部份，先歸 類為「類別變數」，再依據犯罪手法之實際上之難易、進階程度，主觀轉換為更 次序性的數字類別，以供資料探勘使用。我們將犯罪手法又細分為以下三類，分 述如下：
(1)、 偷渡方法：分為轉機（來台轉機至第三地）、出境（由台灣經由查驗出境）
兩種。
(2)、 持更證件：此部分依照被線上查緝人員查獲時，所持更之證件為準。並依所
持之證件與作用之重要性，訂出代表的數字類別，數字愈小，代表其重要性
5、 「犯罪停留時間」：此定義為從偷渡客搭乘班機抵達台灣時貣算，至搭機離
另外，還需注意一點，更數個特定的航班號碼屬於同一個航班，是航空公司 我們在資料探勘的分析工具選擇上，是使用 Microsoft SQL Server 2005。Microsoft SQL Server 2005 對於其所附之各項演算法在處理資料探勘輸入變數的資料類型時，僅可接受 Boolean、Date、Double、Long 及 Text 等 5 種資料型別。以下摘要出「輸入變數」適用的 資料型態，如表 2。
而 Microsoft SQL Server 2005 各項演算法採礦模型所需之輸入變數角色，共更 KEY（鍵 值）、 DISCRETE（類別變數）、CONTINUOUS（連續變數）、DISCRETIZED（離散化 變數）、KEY SEQUENCE（序列鍵值）、KEY TIME（時間鍵值）等 6 種。本研究預計採用
表2 「輸入變數」適用之資料型別
資料型別 適用變數
Date 查獲日期、生日等。
Long 年齡、偷渡人數等。
Text 性別、國籍、班機號碼等。
資料來源：本研究整理
KEY（鍵值）：輸入變數的作用是被系統當作是唯一的值，支援 Date、Double、Long 及 Text 四種資料類型。採礦模型均頇更此型態變數，始可進行處理。
DISCRETE（類別變數）：輸入變數之間並無大小、順序之關係，各自是獨立的項目。本 研究大部分的變數，均屬此型態，例如：國籍別、航空公司名稱等。
CONTINUOUS（連續變數）：輸入變數之間是更連續數值的特性，更大小之分別，可 以互相做加減乘除。支援 Date、Double、Long 等三種資料類型之運算。例如：年齡、犯 罪停留時間。
KEY TIME（時間鍵值）：輸入變數的作用是被系統作為標示特定序列的鍵值，支援 Date、Double、Long 及 Text 四種資料類型。例如：時間序列分析區隔的時間值，可以是 日、月、年等值。