資料探勘中的分類技術

資料探勘的功能及技術上的選擇是非常多的，根據上述的結果，得知探勘的 目的不同，所選擇的探勘方法也不同，其探勘的技術也會隨之改變。根據曾憲雄 等(2005)著，資料探勘的技術可分為兩類：1.傳統技術 2.改良技術。

傳統技術是以統計分析為代表性技術，凡是統計學內所敘述的迴歸分析、機率 論、類別資料分析等皆屬於傳統技術分析。而改良技術方面，則是利用資料探勘中 的人工智慧技術來作為代表性技術。其中常見的技術有決策樹(decision tree)、類神 經網路(artificial neural network) 、基因演算法(Genetic Algorithms)、模糊理論 (Fuzzy Logic)等。

根據選擇的技術及探勘的目的不同，其所產生的結論也會有相當大的差異 (高秀美，2002)。以下為敘述本研究資料探勘所使用到的技術分析：

一、決策樹分類法：

屬於資料探勘中一種很常用的技術，藉由樹狀圖的方式，來呈現出所探勘的 資料。其樹狀圖中所包含的結構有根節點、分支及葉節點。在決策樹模型中，最 上面的節點為根節點。分支則會隨著資料的不同，而從根節點中生長出數根不等 的分支，每個分支的生成皆包含著根節點及葉節點。經由分支所生成的結果稱之

21

為葉節點，其葉節點所代表的為資料探勘後的結果(L. Rokach, and O. Maimon，

2005)。

藉由此方式，可以了解決策樹所生長的方式。會隨著不同的資料問題，而得 到不同的分類結果。決策樹雖然不一定是最準確的探勘方法，但是可以讓人一目 瞭然的模型圖，卻是最容易理解的探勘方法。

學者 Quinlan 於 1993 年提出 C4.5 演算法，其基本理論是從 1979 年的 ID3 演算法所改良而來。ID3 在建構決策樹的過程中，以資訊獲利(Informatiion Gain) 為準據，並將資訊獲利率最高的數據做為分類屬性。

假設訓練資料的集合 S 中有 m 種類別，則Ci，i=1,2,3,...,m，而每樣類別的資 料個數以 freg(C_i, S)來表示，|S|代表集合 S 中的資料個數，因此每樣類別的資料 顯示機率可表示為:

|S|

−log

而將全部類別的資料出現機率乘以全部類別的資訊量即為 S 的預期資訊量，如 下:

I( s

, s

, … , s

)=- ∑ p

i=1

log

( p

)

資訊獲利的定義為「分割前的資訊」減「分割後的資訊」。因此集合 S 經由屬性 A 分割後如下:

Gain(A)=I( s

, s

, … , s

)-E(A)

二、貝氏網路分類法：

貝氏網路分類可分為兩類，一類為單一條件機率分配的樸素貝式分類，另一 類為聯合條件機率分配的貝氏信念網路。貝式網路分類法是一種以統計學為代表

22

𝑃𝑃(Ci):事前機率(Prior probability) 𝑃𝑃(A|C_i):樣本機率(sample probability) 𝑃𝑃�C_j�A�:事後機率(posterior probability) 1.樸素貝式分類：

23 2.貝氏信念網路：

以一個向量且非循環的架構圖為基礎所構成，主要用於變數之間的因果關係 及互相影響的機率。貝氏信念網路主要是由節點(node)及連結(link)兩部份所構成。

節點代表的是研究的變數，連結代表的是兩變數之間的關係。而兩節點之間，有 無連結的產生，則代表是否有條件相依或條件獨立的情形發生，其影響程度則是 以條件機率來做依據。

2.3.4 小結

本研究最初無法斷定何種分析技術，對於本研究的研究結果是有幫助的。因 此，在分析技術上，決定先採用貝氏網路分析及決策樹分析。兩種分析技術一起 進行分析，並從研究結果中找出對本研究目的有幫助的分析技術。甚至，可以透 過兩種分析技術來進行互相驗證，確認兩種分析技術的研究結果是否相似。

24 下來。並將所有研究對象的資料彙整成資料庫，再利用 WEKA classification 來進 行因素分析，以找出造成影響勝負的重要變數，最終並確認影響勝負的主要因素

使用 classification 進行資料分析，並利用下列 分析方法，以求找出最佳化結果。