建構整合決策樹與關連規則之資料挖礦架構及實證研究-文庫吧在線文庫

　　

【正文】 18 二 、文獻探討 _關聯規則定義與說明 ? 關聯規則的成立 ? 必頇滿足決策者所訂定之最小支持度 （ Minmum Support Threshold），和最小信賴度 (Minmum Confidence Threshold)。 ? 使用 14種特性作介紹。 2 一 、緒論 _研究背景及重要性 決策 結果解釋 (視覺化技術 ) 資料挖礦 (資訊探索 ) 資料探索 (OLAP、統計分析、查詢報表 ) 資料倉儲 、 資料超市 資料來源 (資料庫系統 、 OLTP、 檔案 ) 資訊量 價值性 決策者 企業主管 資料 分析者 資料庫 管理者 圖 企業中的資料階層 3 一 、緒論 _研究目的 ? 目的： 事故排除 ? 方法： 建構整合決策樹與關連規則之資料挖礦架構及實證研究 。 ? 由下而上 :不需要特別標註在某一變數或某一種値，而是試著尋找所有變數中是否有隱藏某種關係。 16 二 、文獻探討 _關聯規則定義與說明 ? 進行關聯規則挖礦時，作業流程的兩大步驟 ? 找出所有的高頻項目組 (Frequent Itemsets) ? 高頻項目組所出現的次數必頇大於等於事先定義的最小支持度數目。 19 二 、文獻探討 _關聯規則定義與說明 ? 若規則表示為 X=Y，則 ? （ Support） ? 在規則 (Rule)中，項目 (Items)一起出現的交易暨路佔全部交易紀錄的百分比。 ? )( )( )()()( )()( 式YP XYPYPXP YXPYXLift ????22 二 、文獻探討 _關聯規則類型 ? 關聯規則類型 ? ? 若挖礦規則焦點放在項目 (Item)是否出現，則稱為布林値的關聯規則 (Boolean Association Rule) 。 一開始會花時間建立hash table BSM Wur等人 (1999) 使用表格運算方式產生高頻項目組，改善 Apriori多次掃描資料庫的缺點。 ? (Stopping) ? 當無法找出任何分隔預測變數可以顯著降低下一節點的分散度，表示樹以生長完整 (Complete) 。 關聯資料庫 (Relational Databases) 在關聯式資料庫中，透過查詢工具語言 (SQL)可以蒐集到想要的資料。 ? ： ㄧ般而言高維度的資料計算複雜，所花費的時間較 多，因此維度的降低亦是一種重要的課題。區間尺度中，零點的位置並非固定的，而且衡量的單位也是任意的。 ? 。 ? 關聯規則步驟 ? ? ? ? ? ? Y為目標變數之規則 47 三、 研究架構 _整合決策樹與關聯規則 工具 決策樹 關聯規則 優點 ※ 明白指出最佳變數的能力 ※ 產生易於了解的規則 ※ 節省分類時的計算時間 ※ 可處理連續與類別變數 ※ 能完整的呈現各變數之影 響，與變數組合 ※ 能產生簡單明瞭的結論 ※ 適用不同形式的原始資料 ※ 計算模式簡單易懂 缺點 ※ 當類別太多時，資料量小， 錯誤會增加的比較快。 52 四 、實證研究 1_臺灣電力配電事故定位 ? 資料前置處理 ? 本案例為推導事故之損壞設備與特殊的事故資料樣型，以快速的找到事故發生地點為目標，因此「損壞部位」屬性為本研究模式之目標項。 ? 在此驗證中，錯分率小於 。在長樹的過程設定上，枝葉中顯著目標變數值資料最少需有 13 筆資料，且下一層的子集合純度一定要比上一層的母集合（ Parentsubset）較高，且下一層子集合正確率（純度）需大於 50%，以使得枝葉具有絕對之顯著程度，以及最多有三層枝葉等。且加上產品特性差異，因而製造程式等種種環境參數亦會有所不同。在此所設定的顯著水準為 。 ? 半導體的資料挖礦過程中，很少只利用單一模式就可以解決。本研究建構完整的分析步驟，其中包括利用 KruskalWallis 檢定找出顯著屬性，縮小範圍，再以決策樹的分類規則和關聯規則高頻率的關聯規則描述造成低良率的特徵，透過綜合資訊的比較縮小診斷範圍，提供給工程師作為製程監控的依據，以快速排除事故提昇良率與未來事故診斷的參考。 決策樹 可顯示較影響目標之關鍵預測變數，提供工程師在決策時所需參考。 67 四 、實證研究 2_以某半導體廠工程資料為實證對象 ? 資料挖礦 關聯規則挖掘問題機臺組合 ? 關聯規則主要是從資料庫龐大資料中，找出發生頻率較高的組合，希望藉由此特性找出造成低良率之問題機臺，幫助工程師趁早作出修機或是製程上之改善。因此工程師便可以透過工程資料分析系統瞭解產品的生產測試狀況，以進行製程的改善與事故診斷。 60 四 、實證研究 1_臺灣電力配電事故定位 ? 解釋與評估 ? 本案例之研究目的，在特定決策環境下推測配電事故的樣型，減少事故定位所需的時間，因此，在顯著關聯規則的篩選，加入 ROC 曲線中的錯分率概念，以期望每筆決策規則，都在工程師可容忍的風險下。以初步的簡化模式，形成決策樹的輸入資料。 54 四 、實證研究 1_臺灣電力配電事故定位 ? 資料挖礦 以關聯規則推導顯著事故定位規則 ? 經由資料的前置處理（ 圖 ）後，將資料格式轉換為能以挖礦模式建構分析的資料格式，設定參數後，推導顯著關聯規則。 50 四 、實證研究 1_臺灣電力配電事故定位 ? 問題定義 ? 配電事故為影響電力系統安全性、可靠性以及供電品質的重要因素。 ? 決策樹 ? 決策樹會根據目標變數，將資料進行適當的分類，並以樹枝狀架構呈現其分類結果。為避免加入對目標變數結果無顯著影響的資料，可利用統計方法檢定預測變數與目標變數是否獨立。 39 三、 研究架構 _資料前置處理 衡量的層次 內容說明 舉例 名目尺度 (Nominal Scale) 又稱類別尺度，使用數字或標記區分物件或事件，此尺度並無大小之分。 36 三、 研究架構 _資料前置處理 ? 資料前置處理通常會採取的動作如下 ： ? ： 對於資料的基本數理特性做醫界面性的檢視，分佈為常 態、非常態、偏右、偏左等，瞭解資料的長相與分佈以 便做後續處理。 ? 以測試資料 (Testing Data)驗證、抽樣方法來減少決策樹過度學習現象的發生。 ? ? 利用關聯規則做藥品櫥位管理，或以過去看診暨路檢式藥品使用量與方法是否正確，並可分析個病例特