建構(gòu)整合決策樹與關(guān)連規(guī)則之資料挖礦架構(gòu)及實證研究

1、建構(gòu)整合決策樹與關(guān)連規(guī)則之資料挖礦架構(gòu)及實證研究期末報告組別：三資四B H24932128 謝殿臣資四B H24932089 黃孝慈資四B H24932437 顏姿青作者：楊景晴1一、緒論_研究背景及重要性隨著資訊科技的進(jìn)步，企業(yè)所記錄或儲存的大量資料，對於不同階層的使用者來，資料代表著不同的意義與價值。當(dāng)大量的資料被企業(yè)儲存起來，如何發(fā)揮與創(chuàng)造出資料價值變成為將資料由負(fù)債轉(zhuǎn)換資產(chǎn)的成功關(guān)鍵。2一、緒論_研究背景及重要性決策結(jié)果解釋(視覺化技術(shù))資料挖礦(資訊探索)資料探索(OLAP、統(tǒng)計分析、查詢報表)資料倉儲、資料超市資料來源(資料庫系統(tǒng)、OLTP、檔案)資訊量 價值性決策者企業(yè)主管資料分

2、析者資料庫管理者圖1.1 企業(yè)中的資料階層3一、緒論_研究目的目的：事故排除方法： 建構(gòu)整合決策樹與關(guān)連規(guī)則之資料挖礦架構(gòu)及實證研究。實驗對象： 以臺灣電力公司與某半導(dǎo)體廠兩個不同產(chǎn)業(yè)之案例做為實證，已檢驗此資料挖礦架構(gòu)之效度。4一、緒論_論文結(jié)構(gòu)與研究流程1.2圖研究流程問題定義與架構(gòu)問題定義理論架構(gòu)結(jié)果分析與討論結(jié)論專家訪談實證研究一臺灣電力公司實證研究二某半導(dǎo)體大廠5二、文獻(xiàn)探討_知識發(fā)現(xiàn)與資料挖礦表2.2 資料挖礦的定義2.2圖 資料挖礦的四個循環(huán)確認(rèn)問題類型評估挖礦結(jié)果採用適當(dāng)工具進(jìn)行挖礦工作6二、文獻(xiàn)探討_知識發(fā)現(xiàn)與資料挖礦2.3圖 資料挖礦過程的主要步驟問題定義獲取相關(guān)領(lǐng)域知識選

3、取資料資料前置處理分析與解釋報告與使用資訊7二、文獻(xiàn)探討_知識發(fā)現(xiàn)與資料挖礦2.4圖 資料挖礦專案流程步驟2.5圖 適用各產(chǎn)業(yè)之資料挖礦架構(gòu)8二、文獻(xiàn)探討_資料挖礦模式與工具資料挖礦模式(Model)的六種形式資料挖礦模式(Model)分類迴歸時間序列分群關(guān)聯(lián)分析順序挖掘監(jiān)督式學(xué)習(xí)非監(jiān)督式學(xué)習(xí)9二、文獻(xiàn)探討_資料挖礦模式與工具2.6圖資料挖礦的技術(shù)資料挖礦(Data Mining)資料庫技術(shù)(Database Technology)統(tǒng)計學(xué)(Statistics)資訊科學(xué)(Information Science)機(jī)器學(xué)習(xí)(Machine Learning)視覺化技術(shù)(Visualization)

4、其他領(lǐng)域研究10二、文獻(xiàn)探討_資料挖礦挖掘結(jié)果類型資料挖礦所處理的問題類型由上而下:利用現(xiàn)有的模型來建立資料，藉此來描述某一特定變數(shù)。由下而上:不需要特別標(biāo)註在某一變數(shù)或某一種値，而是試著尋找所有變數(shù)中是否有隱藏某種關(guān)係。分類(Classification)預(yù)測(Prediction) 分群(Clustering)關(guān)聯(lián)規(guī)則分析(Association Rule)資料挖礦所處理的問題類型由上而下 由下而上 11二、文獻(xiàn)探討_資料挖礦工具資料挖礦屬於探索導(dǎo)向，不需事先假設(shè)以求驗證。挖礦者需在一開始就釐清處理的工作目的為何？資料挖礦工具依照解決的問題類型與挖礦的目的而異。通常不會只使用單一工具來進(jìn)行

5、挖掘工作。12二、文獻(xiàn)探討_資料挖礦工具表2.3 挖礦問題類型及可使用的工具 (附註:表工具可使用之挖掘問題類型) 問題類型 工具分類Classification預(yù)測Prediction關(guān)聯(lián)分組Affinity Grouping聚集分析Clustering基本統(tǒng)計關(guān)聯(lián)規(guī)則/購物籃分析記憶基礎(chǔ)法遺傳演算法 聚類偵測法鍊結(jié)分析法決策樹類神經(jīng)網(wǎng)路13二、文獻(xiàn)探討_資料挖礦工具表2.4 資料挖掘工具的基本特性介紹的演算法如下:遺傳演算法類神經(jīng)網(wǎng)路Fuzzy Logic記憶基礎(chǔ)理解決策樹。使用14種特性作介紹。14二、文獻(xiàn)探討_資料挖礦工具表2.5資料挖礦工具間的比較(附註:表資料挖礦工具能表現(xiàn)的能力)

6、 工具表現(xiàn)能力Regression/ANOVA類神經(jīng)網(wǎng)路決策樹關(guān)聯(lián)規(guī)則模式使用上(Model free)對離群値的穩(wěn)定性(Robust to Outliers)具體解釋能力(Physical intertation)連續(xù)變數(shù)處理能力(Continuous outputs)類別變數(shù)處理能力(Discrete outputs)15二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則是最常被應(yīng)用的模式之一關(guān)聯(lián)規(guī)則分析（association Rule Analysis）從資料庫龐大的資料中，探索資料間欄位有趣的關(guān)係或相關(guān)性。購物籃分析如何從日積月累的交易資料中，以有效的方法找出商品間的關(guān)聯(lián)性，進(jìn)而推斷消費者購買行為，創(chuàng)造無限商機(jī)

7、。16二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則定義與說明進(jìn)行關(guān)聯(lián)規(guī)則挖礦時，作業(yè)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(xiàn)的次數(shù)必須大於等於事先定義的最小支持度數(shù)目。此步驟決定了整體作業(yè)的效能從找到高頻項目組產(chǎn)生關(guān)聯(lián)規(guī)則所產(chǎn)生的規(guī)則必須滿足決策者所給定支持度與信賴度的最低門檻値，規(guī)則才成立。17二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則定義與說明定義描述18二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則定義與說明關(guān)聯(lián)規(guī)則的成立必須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)。有意義的關(guān)聯(lián)規(guī)則其支持度與信

8、賴度必須大於或等於所訂定之最小門檻値。增益指標(biāo)加入後，若增益大於1，則表示規(guī)則的預(yù)測結(jié)果比單純的亂數(shù)還要好，反之，則較差。19二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則定義與說明若規(guī)則表示為X=Y，則1.支持度（Support）在規(guī)則(Rule)中，項目(Items)一起出現(xiàn)的交易暨路佔全部交易紀(jì)錄的百分比。最小支持度控制了一個關(guān)聯(lián)規(guī)則必須涵蓋的最少資料數(shù)目，以篩選掉不顯著的規(guī)則，在實務(wù)上才有應(yīng)用價値。支持度代表的意義為X與Y一起出現(xiàn)的機(jī)率。 20二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則定義與說明若規(guī)則表示為X=Y，則2.信賴度(Confidence)代表此條規(guī)則的預(yù)測強度。X發(fā)生之下發(fā)生Y結(jié)果的機(jī)率足以使得此關(guān)聯(lián)規(guī)則得以成立。計

9、算在前提項目X發(fā)生的情況下，發(fā)生結(jié)果Y的機(jī)率。 21二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則定義與說明若規(guī)則表示為X=Y，則3.增益(Lift or Improvement)比較信賴度與結(jié)果項目Y單獨發(fā)生時之機(jī)率兩者間的大小。關(guān)聯(lián)規(guī)則的條件機(jī)率比母體中原本發(fā)生的機(jī)率大才具有意義。 22二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則類型關(guān)聯(lián)規(guī)則類型1.以屬性質(zhì)的形態(tài)為基礎(chǔ)若挖礦規(guī)則焦點放在項目(Item)是否出現(xiàn)，則稱為布林値的關(guān)聯(lián)規(guī)則(Boolean Association Rule) 。2.以規(guī)則中涵蓋資料維度為基礎(chǔ)若要挖礦的規(guī)則的項目或?qū)傩灾墼趩我痪S度時，稱之為單一維度關(guān)聯(lián)規(guī)則(Single Dimensional Associ

10、ation Rule) 。3.以規(guī)則集合中所涵蓋的抽象層級(Level of Abstraction)為基礎(chǔ)規(guī)則屬性或是項目全為同一層級，則稱為單一層級關(guān)聯(lián)規(guī)則(Single-Level Association Rule) 。23二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則類型2.7圖 概念層級樹24二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則演算法與特性表2.6 關(guān)聯(lián)規(guī)則演算法與特性演算法作者/年代主要特色缺點AprioriAgrawal(1994)反覆產(chǎn)生候選項目組，找出所有高頻項目組，進(jìn)而推導(dǎo)規(guī)則。需反覆搜尋資料庫，花費I/O時間。PartitionSavasere(1995)將資料庫分區(qū)段，找出個區(qū)段之高頻項目組並集合之，再次搜

11、尋資料庫找出真正高頻項目組。在各區(qū)段中會產(chǎn)生較多非相關(guān)項目組。DHPJong等人(1997)利用雜湊表(hash table)刪減不必要的候選項目組。一開始會花時間建立hash tableBSMWur等人(1999)使用表格運算方式產(chǎn)生高頻項目組，改善Apriori多次掃描資料庫的缺點。需事先轉(zhuǎn)換運算表格。25二、文獻(xiàn)探討_關(guān)聯(lián)規(guī)則的應(yīng)用1.商業(yè)應(yīng)用藉由關(guān)聯(lián)規(guī)則方法了解顧客購買行為的資訊，協(xié)助零售業(yè)在進(jìn)行商品擺放位置規(guī)畫。2.工業(yè)應(yīng)用利用關(guān)聯(lián)規(guī)則發(fā)展一彈性且有項的巢式製造系統(tǒng)(Cellular Manufacturing System) ，找出機(jī)臺間的最佳組合，形成群組技術(shù)(Group Tec

12、hnology) 。3.醫(yī)學(xué)應(yīng)用利用關(guān)聯(lián)規(guī)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，並可分析個病例特徵間關(guān)聯(lián)程度。26二、文獻(xiàn)探討_決策樹決策樹監(jiān)督式的特徵萃取演算法，廣泛應(yīng)用來解決分類(Classification)形態(tài)問題的工具，亦可做為探索與預(yù)測之用。能夠?qū)⑤斎胱償?shù)依據(jù)某種規(guī)則或資料進(jìn)行分類，並以樹枝狀方式表現(xiàn)類別之間由輸入變數(shù)所造成的區(qū)別，因此決策樹可對資料進(jìn)行架構(gòu)的分類。27二、文獻(xiàn)探討_決策樹決策樹演算法的四大步驟1.決策樹的切割(Splitting)決策樹須將輸入的預(yù)測變數(shù)作分類，用以解釋目標(biāo)變數(shù)變異的原因。2.停止長樹(Stopping)當(dāng)無法找出任何分隔

13、預(yù)測變數(shù)可以顯著降低下一節(jié)點的分散度，表示樹以生長完整(Complete) 。28二、文獻(xiàn)探討_決策樹決策樹演算法的四大步驟3.評估(Assessment)評估整個決策樹的錯分率(Misclassification) 或是評估每個節(jié)點的錯誤率(Error Rate) 。公式如下：29二、文獻(xiàn)探討_決策樹決策樹演算法的四大步驟4.決策樹的修剪當(dāng)決策樹所生長的層級越深時，子節(jié)點的資料比數(shù)就會越來越少，資料的代表性就越低，所產(chǎn)生的法則可能會造成過度學(xué)習(xí)(Over Fitting)而產(chǎn)生偏差，此時演算法中就應(yīng)加修剪的步驟。找出錯誤的分支給予修剪，如:CART、C4.5。以測試資料(Testing Da

14、ta)驗證、抽樣方法來減少決策樹過度學(xué)習(xí)現(xiàn)象的發(fā)生。30二、文獻(xiàn)探討_決策樹2.11圖修剪對錯誤率的影響31二、文獻(xiàn)探討_決策樹演算法表2.7 常用決策樹演算法之比較 演算法比較準(zhǔn)則常見幾種決策樹的演算法CARTID3C4.5CHAID作者(年代)Briemen(1984)Quinlan(1986)Quinlin(1993)Hartigan(1975)處理資料形態(tài)離散、連續(xù)離散、連續(xù)離散、連續(xù)離散分裂樹二元樹不受限制不受限制不受限制連續(xù)形資料處理方式分2枝不受限制不受限制無法處理分枝準(zhǔn)則Gini値Information GainGain_Ratio統(tǒng)計檢定(卡方分配)32二、文獻(xiàn)探討_決策樹於

15、事故診斷的相關(guān)研究表2.8 應(yīng)用決策樹於事故排出之相關(guān)研究研究者實證對象使用的演算法Braha&Shmilovici(2003)半導(dǎo)體黃光區(qū)C4.5鄭人傑(2003)晶圓過站記綠與CP測試値Kruskal-Wallis、卡方交互影響檢測、變異降低分枝法則劉中光(2002)印刷電路板(PCB)決策樹結(jié)合SOM方法Raghavan(2002)良率、IC E-T Test parameter利用決策樹(CART、CHAID) Fan(2001)WAT、InLine Manufacturing data決策樹蔡智政(2001)晶圓批量製程管制(LPC)資料以CART決策樹分析LPC李培瑞(2001)半

16、導(dǎo)體WAT資料、CP資料結(jié)合人工類神經(jīng)網(wǎng)路與決策樹林鼎浩(2000)半導(dǎo)體WAT與製造相關(guān)資料無母數(shù)Kruskal-Wallis統(tǒng)計檢定法33三、研究架構(gòu)_問題定義透過清楚的問題定義，瞭解問題類型包含哪些類別，才知道有哪些是屬於關(guān)鍵性的資料。34三、研究架構(gòu)_資料選擇對領(lǐng)域知識及問題有了基本的認(rèn)識之後，便是進(jìn)行資料選擇的工作，應(yīng)先對資料有進(jìn)一步的瞭解，而非將資料盲目的丟進(jìn)模式分析。資料取得的方式如下表：檔案(File)好處是取得快速且閱讀容易，但是一旦建立好以後日後想再做資料處理就不太容易處理，如：Microsoft Excel。關(guān)聯(lián)資料庫(Relational Databases)在關(guān)聯(lián)式資

17、料庫中，透過查詢工具語言(SQL)可以蒐集到想要的資料。資料倉儲(Data Warehouse)資料量通常達(dá)數(shù)百Mega甚至上Giga，資料讀取方式是以切割的觀念，並非巷資料庫連結(jié)表格的方式處理35三、研究架構(gòu)_資料前置處理一般資料可分成質(zhì)與量兩類，質(zhì)的資料又分成空間性與時間性兩種，掘取欲分析的資料，並以去蕪存菁的方式轉(zhuǎn)化處理，才能確保分析資料的品質(zhì)和分析結(jié)果的正確性。資料前置處理的步驟需要不斷學(xué)習(xí)與經(jīng)濟(jì)累積。資料前置處理形式資料清理資料整合資料轉(zhuǎn)換資料化約。36三、研究架構(gòu)_資料前置處理資料前置處理通常會採取的動作如下：1.資料的基本分佈與檢視： 對於資料的基本數(shù)理特性做醫(yī)界面性的檢視，分佈

18、為常 態(tài)、非常態(tài)、偏右、偏左等，瞭解資料的長相與分佈以 便做後續(xù)處理。2.偏離值的檢測與處理： 對於散佈在正常分佈外的資料點作出處理，譬如直接刪 除還是保留其資訊。37三、研究架構(gòu)_資料前置處理3.空白值與缺值的處理： 空白值與缺值所代表的意義並不相同，空白值為無法 填入的資料；缺值則為資料的遺漏或錯誤。要刪除該 筆資料或者以特殊方式補值，對於挖礦結(jié)果的解釋會 有不同的影響，所以須對資料有近一步的了解。4.資料為度轉(zhuǎn)換： 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。38三、研究架構(gòu)_資料前置處理5.資料格式化或分佈轉(zhuǎn)換： 資料處理時，資料的格式轉(zhuǎn)換與其所代

19、表的相對意義都須 瞭解。資料格式化和轉(zhuǎn)換亦會挖掘出另層意義的結(jié)果。 般將資料數(shù)字分成四種不同的衡量尺度，名義尺度、順 序尺度、區(qū)間尺度、比例尺度衡量。39三、研究架構(gòu)_資料前置處理衡量的層次內(nèi)容說明舉例名目尺度(Nominal Scale)又稱類別尺度，使用數(shù)字或標(biāo)記區(qū)分物件或事件，此尺度並無大小之分。機(jī)臺和貨批的編號等。順序尺度(Ordinal Scale)又稱等級尺度，就事務(wù)之某特質(zhì)好壞次序加以排列，有方向次序的比較，但沒有距離或獨特的原點。各種Bin值的分類、成績區(qū)間尺度(Interval Scale)以此尺度表現(xiàn)之變數(shù)，可區(qū)分類別及排出大小順序之外，可算出差異之大小。區(qū)間尺度中，零點的

20、位置並非固定的，而且衡量的單位也是任意的。機(jī)臺的溫度、量測的參數(shù)比例尺度(Ratio Scale)可說出名稱、排出順序、算出差距、亦可表示出比例的關(guān)係。比例尺度具有絕對零度的。化學(xué)藥劑使用量、重量40三、研究架構(gòu)_目標(biāo)與顯著變數(shù)的選取當(dāng)目標(biāo)變數(shù)與署醒確定後，接下來即確認(rèn)預(yù)測變數(shù)。為避免加入對目標(biāo)變數(shù)結(jié)果無顯著影響的資料，可利用統(tǒng)計方法檢定預(yù)測變數(shù)與目標(biāo)變數(shù)是否獨立。41三、研究架構(gòu)_目標(biāo)與顯著變數(shù)的選取變數(shù)衡量尺度對應(yīng)之統(tǒng)計檢定方法：獨立變數(shù)(Independent Variable)相依變數(shù)(Dependent Variable)變數(shù)尺度名目尺度順序尺度區(qū)間尺度名目尺度Chi-SquareC

21、hi-SquareChi-Square順序尺度Spearman積差相關(guān)區(qū)間尺度T-testANOVAT-test、ANOVA、K-W(無母數(shù)方法)Pearson相關(guān)Regression42三、研究架構(gòu)_目標(biāo)與顯著變數(shù)的選取K-W法適用資料分配不符合常態(tài)，或是已確定其為非常態(tài)分佈的情況下，此種檢驗對平均值差異敏感，可將此方法想像成一個對處理平均相等的檢驗。K-W Test 其主要步驟如下：1.先將觀測值依遞增順序，然後以 取代觀測值。2.令 處理i知下秩的和。3.求檢定統(tǒng)計量。N為所有觀測值的數(shù)目43三、研究架構(gòu)_ K-W法 是第i個處理下的觀測值數(shù)目，N是所有觀測值的數(shù)目總和44三、研究架構(gòu)_

22、 K-W法(a)當(dāng)k=3, 時，可查詢K-T test檢定附 表，決定機(jī)率值P-value, 如果P-value 則拒絕虛無 假設(shè)，表示k可能不致。 (b) 當(dāng) ，則表示這K個處理中某些處理會產(chǎn)生 較其他處理為大的觀測值，可有效檢定在資料 非常態(tài)分佈時不同處理是有造成差異的原因。45三、研究架構(gòu)_資料挖礦與決策樹資料挖礦對於不同的資料賀企業(yè)問題，不同的模式和演算法將可能產(chǎn)出最好的結(jié)果。決策樹決策樹會根據(jù)目標(biāo)變數(shù)，將資料進(jìn)行適當(dāng)?shù)姆诸悾瑏K以樹枝狀架構(gòu)呈現(xiàn)其分類結(jié)果。由分類結(jié)果亦可萃取出其分類的特徵規(guī)則。46三、研究架構(gòu)_關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則主要是從龐大資料中，探索資料間欄位的相關(guān)性，這些規(guī)則

23、展示了屬性值。在大量資料中找出有趣的規(guī)則，以便幫助使用者制定決策的依據(jù)。關(guān)聯(lián)規(guī)則步驟1.計算支持度2.找出所有的高頻項目組3.計算信賴度4.找出候選規(guī)則5.產(chǎn)生關(guān)聯(lián)規(guī)則6.整理Y為目標(biāo)變數(shù)之規(guī)則47三、研究架構(gòu)_整合決策樹與關(guān)聯(lián)規(guī)則工具決策樹關(guān)聯(lián)規(guī)則優(yōu)點明白指出最佳變數(shù)的能力產(chǎn)生易於了解的規(guī)則節(jié)省分類時的計算時間可處理連續(xù)與類別變數(shù)能完整的呈現(xiàn)各變數(shù)之影 響，與變數(shù)組合能產(chǎn)生簡單明瞭的結(jié)論適用不同形式的原始資料計算模式簡單易懂缺點當(dāng)類別太多時，資料量小， 錯誤會增加的比較快。無法 全面的看到各種變數(shù)的影響 程度對有時間順序的資料，需要 很多欲處理的工作結(jié)果多且凌亂，難已決定哪 一變數(shù)較重要與適

24、當(dāng)?shù)慕M合當(dāng)問題變大時，運算量會成 幾何級數(shù)增加對於資料的個別資訊不甚重 視容易剷除罕見變數(shù)48三、研究架構(gòu)_解釋與評估挖礦的結(jié)果對於工程師而言是否有提供幫助，整個挖掘的過程是否有效率，皆是透過結(jié)果解釋與討論重複循環(huán)，才可使得研究模式與結(jié)果更加完備。若挖掘出的樣形式有價值的，之後便可將相同屬性、類別的規(guī)則儲存至規(guī)則庫，以建立自動化的製程監(jiān)控的事故偵測與分類機(jī)制或是事故排除的決策支援系統(tǒng)。49四、實證研究本章針對於兩種不同類型之產(chǎn)業(yè)資料，以前述所提之研究方法進(jìn)行事故定位與事故診斷，以驗證整合決策樹與關(guān)聯(lián)規(guī)則資料挖礦架構(gòu)之效度。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(tǒng)安

25、全性、可靠性以及供電品質(zhì)的重要因素。但這樣一連串的試驗將對於線路造成損害，且也無法在短時間內(nèi)使供電恢復(fù)，因此為提高供電品質(zhì)，如何發(fā)展一個可以快速找到事故發(fā)生地點的方法，即成為電力公司所關(guān)心的議題。51四、實證研究1_臺灣電力配電事故定位資料選擇 本研究所採用之資料為臺電公司於 19951997 年間，針對臺北市區(qū)每次配電事故所記錄之配電事故紀(jì)錄表，共有 1649 筆資料，每筆配電事故資料皆記錄 23 項變數(shù)資料（如表 4.1）。首先針對損壞部位資料屬性進(jìn)行統(tǒng)計與圖表分析，以初步檢視資料之分佈樣型，其分佈如圖 4.1 所示。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(dǎo)事故之

26、損壞設(shè)備與特殊的事故資料樣型，以快速的找到事故發(fā)生地點為目標(biāo)，因此損壞部位屬性為本研究模式之目標(biāo)項。 最後本實證研究的輸入與目標(biāo)屬性如表 4.2 所示。 53四、實證研究1_臺灣電力配電事故定位目標(biāo)與顯著變數(shù)的選取 為推導(dǎo)事故之損壞設(shè)備與特殊的事故資料樣型，以快速的找到事故發(fā)生地點為目標(biāo)，因此損壞部位為模式之目標(biāo)變數(shù)，共 60 項變數(shù)值。由於輸入變數(shù)已刪除在找出事故地點之前並無法獲得資料，剩 8 個輸入變數(shù)，經(jīng)由與工程師討論後，並不需刪減多餘變數(shù)，因此，直接將表 4.2 中的變數(shù)丟入模式中。54四、實證研究1_臺灣電力配電事故定位資料挖礦-以關(guān)聯(lián)規(guī)則推導(dǎo)顯著事故定位規(guī)則經(jīng)由資料的前置處理（圖

27、4.2）後，將資料格式轉(zhuǎn)換為能以挖礦模式建構(gòu)分析的資料格式，設(shè)定參數(shù)後，推導(dǎo)顯著關(guān)聯(lián)規(guī)則。研究設(shè)定最小支持度為 1.67，最小信賴度為 50，而增益則需大於 1，參數(shù)設(shè)定依據(jù)如下。支持度信賴度增益55四、實證研究1_臺灣電力配電事故定位資料挖礦-以關(guān)聯(lián)規(guī)則推導(dǎo)顯著事故定位規(guī)則評估規(guī)則好壞的參數(shù)錯分率（FP），希望所推導(dǎo)之規(guī)則，皆在所能容忍之決策風(fēng)險下，因在此加入 ROC Curve 的觀念，隨著不同的臨界值條件下，TP比率與 FP比率變化所構(gòu)成的特徵曲線，如圖 4.3 所示。關(guān)聯(lián)規(guī)則若有較大的 TP與較小的 FP，則此規(guī)則是較佳的。在此驗證中，錯分率小於 0.25。 56四、實證研究1_臺灣電

28、力配電事故定位資料挖礦-以關(guān)聯(lián)規(guī)則推導(dǎo)顯著事故定位規(guī)則由表 4.3 可知，關(guān)聯(lián)規(guī)則結(jié)果僅與高壓電纜、用戶設(shè)備、高壓電纜直線接頭以及熔絲鏈開關(guān)四種損壞設(shè)備有關(guān)。在損壞設(shè)備為高壓電纜直線接頭與熔絲鏈開關(guān)所找出之規(guī)則，雖其信賴度只介於50%70%，但其規(guī)則之錯分率相當(dāng)?shù)?，仍可容忍決策風(fēng)險之內(nèi)（0.25），因此，所找出之顯著規(guī)則是好的，可藉由此規(guī)則推斷出損壞部位。 57四、實證研究1_臺灣電力配電事故定位資料挖礦-以決策樹挖掘顯著分類規(guī)則 利用 780 筆資料進(jìn)行資料篩選，首先選出具有 13 筆資料以上之損壞部位，挑選過後僅剩下 650 筆資料以及 12 種損壞部位。以初步的簡化模式，形成決策樹的輸入

29、資料。其資料處理過程如圖 4.4 。針對此 699 筆資料進(jìn)行資料分佈之繪製，可得圖 4.5 之次數(shù)分佈圖。 58四、實證研究1_臺灣電力配電事故定位資料挖礦-以決策樹挖掘顯著分類規(guī)則 本研究決策樹所使用軟體為 Scenario，其演算法的結(jié)果類似 CHAID，若針對連續(xù)型的目標(biāo)變數(shù)是以F-Test作為分枝方法，若針對間斷型的變數(shù)，其以Chi-Square Test 作為分枝準(zhǔn)則。在長樹的過程設(shè)定上，枝葉中顯著目標(biāo)變數(shù)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

30、，以及最多有三層枝葉等。 59四、實證研究1_臺灣電力配電事故定位解釋與評估 決策樹提供影響目標(biāo)變數(shù)之關(guān)鍵預(yù)測變數(shù)資訊，提供工程師快速且準(zhǔn)確之事故定位資訊參考。決策樹的結(jié)果呈現(xiàn)上，會將影響最大的變數(shù)放在第一層，且顯示變數(shù)之間的相對關(guān)係，但這樣的作法會將其他變數(shù)之影響分散在較下層的枝葉中，而無法全面的看到各種變數(shù)的影響程度。關(guān)聯(lián)規(guī)則之結(jié)果為針對整體資料而言，顯示各關(guān)聯(lián)規(guī)則之顯著性，其優(yōu)點為能夠更完整的呈現(xiàn)各變數(shù)之影響，缺點則是關(guān)聯(lián)規(guī)則之結(jié)果多且零亂。 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(huán)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(guān)聯(lián)規(guī)

31、則的篩選，加入 ROC 曲線中的錯分率概念，以期望每筆決策規(guī)則，都在工程師可容忍的風(fēng)險下。61四、實證研究2_以某半導(dǎo)體廠工程資料為實證對象 問題定義半導(dǎo)體產(chǎn)品製造製程中，若有貨批出現(xiàn)了低良率的問題，這將會導(dǎo)致工廠的生產(chǎn)力下滑及製造成本的增加。因此，我們必須回溯相關(guān)的製造資料並尋找影響良率的原因，以儘快解決此製程問題。62四、實證研究2_以某半導(dǎo)體廠工程資料為實證對象資料選擇 積體電路的製程相當(dāng)複雜，往往需經(jīng)過數(shù)百個不同的站別、流程才完成。且加上產(chǎn)品特性差異，因而製造程式等種種環(huán)境參數(shù)亦會有所不同。在生產(chǎn)製造的過程中，會累積大量產(chǎn)品經(jīng)過電性測試或是物理特性監(jiān)控量測的結(jié)果，以檢驗產(chǎn)品是否在規(guī)格內(nèi)

32、的資料。整個資料蒐集流程可見圖 4.6。 63四、實證研究2_以某半導(dǎo)體廠工程資料為實證對象資料選擇資料類型大概可以分成幾大類：WIP 類型（Wafer In Process）Metrology 類型Defect 類型Parametric 類型Bin Map類型Non-Lot類型大量的製程資料，記錄了晶圓在製造與測試的種種狀況。因此工程師便可以透過工程資料分析系統(tǒng)瞭解產(chǎn)品的生產(chǎn)測試狀況，以進(jìn)行製程的改善與事故診斷。 64四、實證研究2_以某半導(dǎo)體廠工程資料為實證對象資料前置處理 工程資料主要可分為四部分：基本資料、歷史資料、CP 資料、WAT 資料。經(jīng)過前置處理後，可從圖 4.7 良率分佈圖中

33、見，CP 良率值大致可區(qū)分成兩群，以 60 為分界值，將 CP 良率值大於等於 60 為高良率，小於 60 為低良率（與 k-mean 分群的結(jié)果相同，圖 4.8）。65四、實證研究2_以某半導(dǎo)體廠工程資料為實證對象目標(biāo)與顯著變數(shù)的選取首先，利用 Kruskal-Wallis 檢定來檢測是否在屬性之各層級下，其目標(biāo)變數(shù)晶片針測良率是否具有顯著的差異。在此所設(shè)定的顯著水準(zhǔn)為0.05。Kruskal-Wallis 檢定選取出 36 的顯著的候選屬性，由 P-value 由小排到大。66四、實證研究2_以某半導(dǎo)體廠工程資料為實證對象資料挖礦-決策樹分析以萃取特徵將目標(biāo)資料分成兩群，cluster 1 為所定義之高良率，cluster 2 為所定義之低良率，經(jīng)