第四章 實驗結果與分析
4.2 類神經網路實驗結果
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
圖20：包裹快捷收寄量模型「貝氏機率分類」增益圖
4.2 類神經網路實驗結果
本節以類神經網路進行了十次實驗，分別建立收寄量預測模型，每次皆針對所有郵 件收寄量（包含國內函件）與包裹快捷收寄量（不含國內函件）進行分析，建立之預測 模型散佈圖如圖 21。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
圖21：包裹快捷收寄量模型「類神經網路」散佈圖
在十次的實驗過程中，將分別記錄類神經網路對於「所有郵件收寄量」與「包裹快 捷收寄量」預測模型的區辨力分數，整理如表 14：
表14：類神經網路區辨力統計表(實驗一)
實驗編號 01 02 03 04 05 06 07 08 09 10 平均 所有郵件 0.22 0.47 0.15 0.25 0.72 0.25 0.85 0.40 0.16 0.91 0.432 包裹快捷 0.83 0.96 0.54 0.62 0.59 0.71 0.97 0.77 0.98 0.46 0.747 資料來源：本研究整理。
經統計，平均而言以「包裹快捷收寄量」建立預測模型的區辨力，會比以「所有郵 件收寄量」建立預測模型的區辨力更佳。僅有第五次及第十次實驗，以「所有郵件收寄 量」預測模型的區辨力較高，其餘幾次實驗皆以「包裹快捷收寄量」預測模型的區辨力 較高。故研判以「包裹快捷收寄量」建立預測模型預測能力較佳。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
而在資料處理過程中，發現中華郵政公司的郵件收寄量並非常態分配，部份設點因 為業務性質不同，像是各縣市主要支局、夜間假日延時服務、兼任投遞單位或郵件處理 單位等，其郵件收寄量會較一般支局高，甚至以長期而言，郵件收寄量會達到數倍的差 距，例如台北北門郵局（台北 901 支）、內湖郵局（台北 92 支），林口郵局（三重 56 支）等。
另有部份郵局因身負政策考量，會在觀光景點、公共設施、學校機關等地設置郵局，
即使收寄量不敷成本，亦不能隨意搬遷或裁撤該設點。例如平溪郵局（台北 182 支）、
烏來郵局（板橋 55 支）、林口僑大郵局（三重 12 支）。
如表 15，分別列出台北縣市所有郵件與包裹快捷收寄量排名前三名的郵局共五間支 局（台北北門郵局重覆入榜），五間支局的「所有郵件收寄量」占台北縣市所有郵局收 寄量的 29.00%，若單論「包裹快捷收寄量」亦佔台北縣市所有郵局收寄量的 14.69%，
若在實驗中選擇忽略極大值與極小值，反而會失真。
故本實驗部份對於上述情形未排除極值，而選擇採用台北縣市全部支局資料建立預 測模型，共 308 筆。
表15：台北縣市郵局收寄量比較表
郵務局號 局名 所有郵件收寄量 包裹快捷收寄量 100091 台北金南郵局 49,781,889 69,108 100148 內湖郵局 5,590,578 318,851 100167 南港區公所郵局 1,927,575 279,177 100451 台北北門郵局 51,726,089 176,644 241056 林口郵局 36,296,871 97,743 小計 95,541,113 872,415 台北縣市所有郵局合計 329,414,296 5,937,326 百分比 29.00% 14.69%
資料來源：本研究整理。
正因為郵局收寄量不是常態分配，而本研究採計台北縣市所有郵局郵件收寄量，當 建立資料探勘模型時，系統會隨機抽樣 30%的資料當作鑑效組。當每次實驗時，因為抽
‧
117008 47,024 35,412 40,242 50,359 46,876 22,435 25,983 35,785 46,958 40,454 39,153 6307003 40,196 34,853 37,530 42,285 39,740 30,913 30,114 37,112 36,182 35,777 36,470 6304005 38,855 34,629 37,717 42,706 38,163 29,890 28,807 37,319 36,025 36,025 36,013 6307002 39,245 35,205 38,444 43,175 38,233 27,335 27,762 38,273 34,792 36,372 35,884 104003 38,406 34,799 37,659 42,153 37,658 29,631 29,015 37,325 35,210 35,676 35,753 6304007 39,909 34,229 36,233 40,007 39,282 31,189 31,044 35,795 35,171 34,451 35,731 6304006 38,899 34,333 36,675 40,348 38,219 30,921 30,734 36,280 35,009 34,813 35,623 6310031 40,989 35,362 35,297 34,270 39,293 33,875 35,788 35,321 32,191 32,994 35,538 6304034 40,206 35,430 35,664 34,486 38,734 33,526 35,521 35,526 32,200 33,236 35,453 6303055 40,758 35,045 35,192 34,392 39,228 33,670 35,648 35,084 32,243 32,956 35,422 6303056 40,225 35,077 35,302 34,695 38,693 33,273 34,967 35,216 32,304 32,990 35,274 6301028 37,928 34,501 36,759 39,764 37,227 30,579 30,731 36,389 34,214 34,609 35,270 6304020 39,147 35,809 36,127 34,032 37,956 33,104 35,430 35,766 31,853 33,399 35,262 6301031 40,732 34,858 34,907 34,384 39,120 33,412 35,196 34,846 32,227 32,714 35,240 6303053 40,551 34,847 34,977 34,537 38,975 33,301 35,021 34,897 32,282 32,769 35,216 102056 36,992 34,980 37,030 38,803 36,456 30,512 31,309 36,614 33,259 34,439 35,039 6302004 37,344 33,950 36,597 40,216 36,720 30,062 29,728 36,135 34,609 34,689 35,005 6307030 39,402 34,632 35,189 35,115 38,037 32,594 34,011 34,979 32,422 32,919 34,930 6301014 39,786 34,529 34,931 35,067 38,315 32,608 33,943 34,783 32,458 32,740 34,916 6301024 36,359 33,843 37,337 41,981 35,806 28,412 27,656 36,823 35,014 35,604 34,884 資料來源：本研究整理。‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University