臺灣博碩士論文加值系統

資料探勘技術中的分類功能主要是利用歷史經驗將資料歸類，並加以研究各類別的特徵，以利日後作為預測未分類資料特性之依據。此外，分類法為目前最常被企業用來作為商業決策與預測的資料探勘工具之一。由文獻中得知，資料的特性將會影響分類演算法的判斷結果與改變其敏感度；且目前尚未有一種演算法能適用於所有的資料型態。因此，若在進行分類研究前，能對不同演算法所適用的資料特性加以瞭解，應能顯著提升分類演算法的辨識績效。

本研究之目的在於探討資料型態對不同分類演算法辨識績效的影響，並以製程數據作為本研究的分析資料，實際依分類的結果進行特性分析。本研究將比較四種分類技術，分別為：決策樹C5及CART演算法與類神經網路中的徑向基網路法 (Radial Basis Function network)及倒傳遞網路法(Back-propagation Network)。

In data mining technology, the purpose of classification is to forecast new evidence with historical classified characteristics. This classification method is usually adopted by enterprises to make a strategic decision nowadays.

According to the literature, the data characteristic affects the judgment result of classification algorithm. Its sensitivity is influenced by data types, so no algorithm suits the all types. Therefore, it’s helpful to the identification performance if we can judge which algorithm is used by data characteristic. The purpose of this paper is to explore which data characteristic will determine the identification performance for the various classification algorithms. We evidence with process data and analyze the features by the classification result. In this paper, we compare the four classification algorithms, decision tree (C5 and CART) and artificial neural network (Radial Basis Function Network and Back-Propagation Network).

目錄

中文摘要 i
目錄 iv
表目錄 vi
圖目錄 ix

一、緒論 1

1.1 研究背景與動機 1
1.2 研究目的 1
1.3 研究範圍 2
1.4 研究方法與步驟 3

二、文獻探討 5

2.1 資料探勘 5
2.2 機器學習 8
2.3 類神經網路 11
2.4 決策樹 15
2.5 不同分類演算法比較之文獻 17
2.6 管制圖非隨機樣式之辨識 18

三、研究方法 22
3.1 研究內容設計 22
3.2 決策樹之建構過程 23
3.3 類神經網路之建構過程 26

四、實驗結果與評估 30
4.1 評估指標 30
4.2 決策樹分類法之結果 30
4.3 類神經網路分類法之結果 44
4.4 評估決策樹分類法與類神經網路法 59

五、結論 61

參考文獻 63

參考文獻

1.Berry, J. A., and Linoff, G., Data Mining Techniques For Marketing, Sales, and Customer Support, John Wiley & Sons, New York (1997).
2.Brachman, R. J., Khabaza, T., Kloesgen, W., Piatetsky, G., and Simoudis, E. “Mining business databases,” Communication of the ACM, 39(11), 42-48 (1996).
3.Deboeck, G.., and Kohonen, T., Visual Exploration in Finance with Self-Organizing Maps. Springer-Verlag, London (1998).
4.Donato, J. M., Schryver, J. C., Hinkel, G. C., Schmoyer , R., Leuze, M. R,. and Grandy, N. W., “Mining multi-dimensional data for decision support”, IEEE Future Generation Computer Systems, 15, 433-441 (1999).
5.Frawley, W., Piatetsky, G., and Matheus, C., Knowledge discovery in databases: an overview, AI Magazine, Fall, 213-228 (1998).
6.Han, J. and Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann, CA, USA (2001).
7.Han, J., and Kamber, M., Data Mining: Concepts and Tcchniques, San Francisco, CA, USA: Morgan Kaufmann (2000).
8.Hastie, T., Friedman, J., and Tibshirani, R., The element of statistical learning, Springer-Verlag, New York (2001).
9.Hush, D.R., Salas, J. M., and Horne, B., “Error surfaces for milti-layer perceptrons,” IEEE Transations on Systems, Man and Cybernetics, 22, 5, (1992).
10.Johnson, R. A., and Wichern, D. W., Applied Multivariate Statistical Analysis, Prentice Hall (2002).
11.Kiang. M. Y., “A comparative assessment of classification methods” Decision Support Systems:, 35, 441-454 (2003).
12.Michalski, R. S., Bratko, I., and Kubat, M., “Mechine Learning and Data Mining Methods and Applications” , John Wiley & Sons Ltd, England (1999).
13.PCNeuron 4.0，PCNeuron 4.0使用手冊，中崗科技 (2001)。
14.Quinlan, J. R., “Induction of decision trees,” Mach. Learn., 1(1), 81-106 (1986).
15.Quinlan, J. R., C4.5: Programs for Machine Learning, Morgan Kaufmann, San Mateo, CA, USA (1993).
16.SPSS Clementine 7.2，SPSS Clementin7.2使用手冊，Sum Microsystems Inc (2003).
17.Zhang, G., Patuwo, B. E., and Hu, M. Y., “Forecasting with Artificial Neural Networks: The State of the Art”, International Journal of Forecasting, 14, 35-62 (1998).
18.Zorriassatine, F., and Tannock, J. D. T., “A review of neural networks for statistical process control” , Journal of Intelligen Manaufacturing, 9, 209-224 (1998).
19.呂奇傑，「演化式類神經網路分類技術於資料探勘上之應用」，輔仁大學應用統計學研究所碩士論文 (2001)。
20.李智霖，「利用不同分類模式探討財務危機預警模式之建立」，銘傳大學資訊管理研究所碩士論文 (2005)。
21.周義娟，“類神經網路在剛性道面抗彎強度之應用研究”，碩士論文，私立中華大學土木工程研究所 (2000)。
22.翁順哲，「類神經網路在自有品牌商品需求預測之應用--以生展生物科技(股)公司為例」，長榮大學經營管理研究所碩士論文 (2003)。
23.張永明，「資料挖掘在證券業顧客關係管理上之應用」，逢甲大學工業工程與系統管理研究所碩士論文 (2005)。
24.楊景晴，「整合決策樹與關聯規則之資料挖礦架構及其實證研究」，清華大學工業工程與工程管理所碩士論文 (2004)。
25.葉怡成，應用類神經網路，儒林 (1999)。
26.葉怡成，類神經網路模式應用與實作，儒林 (1993)。
27.鄭有良，「類神經網路於鋪面評估之應用」，成功大學土木工程研究所碩士論文 (2003)。