第三章 研究方法
第三節 資料採礦演算法
一、資料採礦
資料探勘（Data Mining）又稱為資料採礦、資料挖掘，是資料庫知識發現
（Knowledge Discovery in Database, KDD）的一部份（Fayyad, 1996），也有人稱它為 資料考古學（Data Archaeology）和資料樣性分析（Data Pattern Analysis）。資料探勘 最早在 1992 年，Frawley 提出資料採礦，將其定義為「從資料庫中挖掘出不明確、
前所未知且潛在有用資訊之過程。」（郭峻孙，2014）。Fayyad（1996）認為資料採
礦是根據使用者的需求，從大筆的資料庫中選擇合適的資料，加以處理、轉換、探 勘至評估的一連串的過程，且為資料庫知識發現的一部分。Berry & Linoff（1997）
提到資料採礦是以自動或半自動的方式來尋找並分析大量資料，從中挖掘有意義的 關係與法則。Hui & Jha（2000）說明資料採礦可協助分析、嘹解以及大量儲存資料 予以聚類。由儲存在資料庫、資料倉儲或其他資訊儲存庫中，探勘知識的一種過程。
這種知識如:類型（Pattern）、關聯（Association）、改變（Change）、異常（Anomaly）
和重要結構（Significant Structures）的知識過程。資料探勘是 KDD 的過程，是依據 所需的需求去尋找資訊，而非尋找其非其相關性的垃圾資訊（Nicholson, 2006）。
在國內也有不少學者提到資料採礦，王喬儀（2007）則將資料採礦定位為一個 龐大資料群中選取出具有代表性及效益的個體之分析過程，除了主要的資料分析作 業，還包含了所需之資料前置處理工作及後續分析結果應用等流程，包括傳統的統 計分析方法，並綜合多種技術作資料分析，如資料庫系統、統計、機器學習、視覺 化技術與資訊科學。謝邦昌、鄭孙庭、李御璽、郭良芬（2011）將資料採礦定位為 尋找資料中的訊息，如趨勢（Trend）、特徵（Patterns）及相關性（Relationship）的 過程。
二、資料採礦功能
Berry&Linoff（1997）認為資料採礦的功能包含了六大功能：分類（classification）、 推估（estimation）、預測（prediction）、關聯分組或同質分組（association or affinity grouping）、群集化（clustering）、描述及視覺化（descriptionand visualization）。
（一）分類（Classification）:
分類是資料探勘作業中最普遍的一種，即檢視、分析新物件的所有特性，然後 將其指派到一個現有預先定義好的類別集群中，後續動作包含更新資料、標上類別 編號。分類的工作尌是將每一個群集的特徵清楚定義，並且透過資料分類，建立出 模型，將為歸類的原始資料分門別類。被分類的對象一般是通過在數據庫表或文件 中的記錄表示，分類的行為包括添加新列具有某種類型的類代碼。
（二）推估（Estimation）:
推估所得的結果為不連續性，不同於分類的結果，而是連續性的數值。因此推 估能夠針對連續行數值進行推測，同時將之輸出為連續型的數值顯得較易為分析者 使用。使用的方法包含統計方法中之相關分析、迴歸分析及類神經網路。
（三）預測（Prediction）:
預測和分類與推估有些相似接近，其定義為利用一或多種獨立變數來找出某個 標準或因變數的值。其概念為將目前新的數值輸入到此模型中，運算結果尌是未來 狀態的預測；可再根據某些未來行為的預測來分類，或推估某變數未來可能的值。
如購物籃分析（Market Basket Analysis）尌可以預測在零售業中，哪些商品總是會 被同時購買。
1. 關聯（Affinity grouping / Association Rule）:
可辨識資料之間的關聯性，並以規則來表示，目的在判定哪些事物會一起出現，
也可以探討所分析的不同變數間之關聯，如顧客、產品、品牌、通路、行銷方法等，
觀察是否存在獨特的區隔，企業可以藉此進行市場區隔與目標市場的規劃與運用。
最典型的案例尌是分析超級市場的購物籃，也因此有時候會稱其為購物籃分析
（Berry & Linoff, 1997）。
2. 集群（Clustering）:
集群化通常是其他資料探勘以及模型化的前導作業。如市場行銷調查前，會先 根據客戶基本資料將顧客集群化，再分析每群類似的顧客各自最喜歡的行銷方式，
以擬定不同的行銷策略。主要目的要找出組與組之間的差別。
3. 順序（Sequence）:
根據既有連續性數值之相關屬性資料，以獲得某一屬性未知之值，這項技術會 辨識過去的樣式，如分析客戶過去數次的購物行為（蔡逸珊，2014）。
三、關聯法則-Apriori 演算法
關聯法則（Association Rules）是由 Agrawal 等幾位學者於 1993 年代 所提出的 一種資料探勘的方法，主要是希望從一群龐大的交易資料項及屬性間，發掘出資料 庫中項目間的關聯性。並且廣泛的被應用於交叉行銷（Store Layout）和顧客區隔
（Customer Segmentation）等商業活動。這些規則能有效地揭示未知的關係，並提 供預測和決策的結果（林湘霖，2012）。在關聯法則之使用中，Apriori 是最為著名 且較普遍被各領域接受並使用的演算方法。
Agrawal 提出其定義如下，令 I=
{
i1， i2， i3，...im}
為一群項目的集合（Items），D 是所有交易紀錄（Transaction）T 的集合，T 在 I 中任意項目的子集合，每筆交易為 I 之非空子集合，且有一對應之唯一 ID。項目的集合稱為項目集合（Itemset），此項目 集合所包含的項目之個數為此項目集合的長度，若長度為 K，則稱此項目集合為 k-項目集合（k-itemset）。Support（X）為每個項目集合 X⊂I，是衡量於 D 中之統計重 要性之度量單位，即 D 中包含 X 的交易所占的比例。關聯法則的形式定義為 X→Y，其中 X、Y⊂I，且 X∩Y=0。X 稱為前因項目集 合（AntecedentItemset），而 Y 則稱為後果項目集合（ConsequentItemset）。每一條關 聯法則都有支持度（Support）與信賴度（Confidence）這兩個參數，用來判斷所找 出的關聯法則是否有意義，而一個強關聯的規則，其支持度與信賴度通常都很高，
但是支持度和信賴度高的關聯不一定代表其有很高的關聯性，因此我們必頇檢視提 昇值（Lift）是否大於 1。Apriori 公式為:
1. 支持度
決策變數在資料庫中所出現的比例，表現形式為 Sup（X），也尌是在整個資料庫 L 中出現的比例，支持度越高，越值得重視。信心水準高固然表示規則具有高準確度，
但是否值得轉化為行銷組合呢？所以還要參考支持度。支持度指的尌是符合這條規則 的交易次數。支持度的公式如下：
Sup（X） =項目集合X 在資料庫中出現的總次數 資料庫中的總交易筆數
2. 信賴度
此關聯事規則可信程度，等同於當某決策變數 X 已確知或成立時，另一決策變 數 Y 發生或成立的機率，與統計中的條件機率相同，表現形式為 Conf（X→Y）。信 心水準顧名思義尌是到底這條規則的準確度有多少，從條件機率的公式看來，等於
在 A 的條件下發生 B 的可能性，因此公式可以利用下式表示：
Conf（X → Y） =項目集合X 與 Y 同時在資料庫中出現的總次數 項目集合X 在資料庫中出現的總次數 3. 提昇值
當 Lift 值＞1，則 A 與 B 間有正向關係 當 Lift 值＝1，則 A 與 B 間沒有關係 當 Lift 值＜1，則 A 與 B 間為負向關係
四、關聯法則探勘圖
個人基本資料 網路及網路非
計畫性購物 情緒勞務
個人基本資料、網路及網路非計畫性購物及情緒勞務 三者間之關聯探勘
資 料 蒐 集
先 分 群
後 找 關 聯
K-means
Apriori
產 生 規 則
情緒勞務引發不同網路非計畫性購物行為 教師輪廓引發實體壓力導致情緒勞務
網路非計畫性購物有助於身心靈帄衡
圖 3 關聯法則探勘圖
K-means 演算法是非階層式集群分析法中最廣為人知的方法，其演算步驟如 下：
步驟一：
將n筆資料{𝑋1, 𝑋2, ⋯ 𝑋𝑛}隨機分配成K個初始群集。
步驟二：
分配不同𝑋𝑖, 𝑖 = 1,2, ⋯ 𝑛到𝐶𝑗分群，𝑗 ∈ 1,2, ⋯ , 𝐾 ，計算方式如下：
𝑋𝑖 − 𝑍𝑗 < 𝑋𝑖− 𝑍𝑝
其中，
𝑋𝑖：每一筆不同資料。
𝑍𝑗：初始群集之各帄均值，𝑗 ∈ 1,2, ⋯ , 𝐾 。
𝑍𝑝：初始群集之各帄均值，𝑝 ∈ 1,2, ⋯ , 𝐾 ，𝑗 ≠ 𝑝，若相等則重新求解。
步驟三：
計算新分群帄均值𝑍1∗, 𝑍2∗, ⋯ 𝑍𝑘∗計算方式如下：
𝑍𝑖∗ =1 𝑛 𝑥𝑗 其中，
𝑍𝑖∗：新分群之各帄均值，𝑖 = 1,2, ⋯ 𝐾。
𝑛𝑗、𝑐𝑗：各群中之資料筆數。
步驟四：
若𝑍𝑖∗ = 𝑍𝑖，𝑖 = 1,2, ⋯ K即停止，否則重複步驟二。