所屬科目：資料探勘技術
一、一犯罪資料庫記錄前科犯所曾經犯過的不同刑案，資料如下：共 5 個欄位 A、B、C、 D、E，有標 1 者分別代表該前科犯曾經犯過該刑案。試使用關聯規則探勘（association rule mining）方法，找出此五種犯罪刑案任二種間具最高支持度（support）與信心度 （confidence）的前三條規則，並列出各規則的支持度和信心度的值。 （25 分） （注意：1.支持度高者優先列出，相同支持度時，請依信心度排列；2.必須寫出探勘過程。）
二、分類演算法（classification algorithm）是資料探勘中重要的分析方法。針對以下的訓 練資料集：9 筆資料 x1, x2, . . . , x9，每筆資料有 4 個屬性（A1, A2, A3, Class），其中 A1、A2、A3 為特徵屬性（feature），Class 為類別屬性。 現今希望用決策分類樹（decision tree）來學習該資料集的分類規則，其中分類樹內部 節點（internal node）屬性以選擇最小的 Gini(A)值來決定分支，Gini(A)函數定義如下： , t∈ A i =1 t 為屬性 A 中的某特定值，p(t)是屬性 A 中值為 t 所出現的資料比率，p(i|t)是在屬性值 為 t 時，資料集隸屬於類別 i 的比率，C 為所有類別的個數。分支的停止條件則是當 節點資料完全隸屬同一類別時停止，該樹葉節點（leaf node）即是分類結果。 請以此訓練資料集和 Gini(A)屬性決策條件要求，產生一決策分類樹（decision tree）， 答案中請清楚表達該決策樹的每一內部節點的屬性、分支條件值和該決策點的 Gini(A)值，以及葉節點的分類結果。（25 分）
阿摩線上測驗
登入
阿摩線上測驗
登入
現今希望用決策分類樹（decision tree）來學習該資料集的分類規則，其中分類樹內部 節點（internal node）屬性以選擇最小的 Gini(A)值來決定分支，Gini(A)函數定義如下： 
, t∈ A i =1 t 為屬性 A 中的某特定值，p(t)是屬性 A 中值為 t 所出現的資料比率，p(i|t)是在屬性值 為 t 時，資料集隸屬於類別 i 的比率，C 為所有類別的個數。分支的停止條件則是當 節點資料完全隸屬同一類別時停止，該樹葉節點（leaf node）即是分類結果。 請以此訓練資料集和 Gini(A)屬性決策條件要求，產生一決策分類樹（decision tree）， 答案中請清楚表達該決策樹的每一內部節點的屬性、分支條件值和該決策點的 Gini(A)值，以及葉節點的分類結果。（25 分）