隨著知識經濟時代的來臨，掌握知識可幫助組織提昇其競爭力，因此對於知識的產生、儲存、應用和整合，已成為熱烈討論的議題，本研究針對知識整合議題進行探討；而在知識呈現方式中，決策樹（Decision Tree）形式知識為樹狀結構，可以用圖形化的方式來呈現，它的結構簡單且易於瞭解，本研究針對決策樹形式知識來探討其知識整合的課題。 本研究首先提出一個合併選擇決策樹方法MODT（Merging Optional Decision Tree），主要是在原始決策樹結構中增加一個選擇連結（Option Link），來結合具有相同祖先（Ancestor）的兩個子樹；而結合方式是以兩兩合併的方式，由上而下比對兩棵決策樹的節點（Node），利用接枝（Grafting）技術來結合兩棵樹的知識。再者利用強態法則（Strong Pattern Rule）概念來提昇合併樹的預測能力。 其次，由於MODT方法在合併兩棵不同根節點的決策樹時，會形成環狀連結的情形而破壞了原有的樹形結構，以及新增的選擇連結會增加儲存空間且不易維護，因此本研究提出決策樹合併修剪方法DTBMPA（Decision-Tree-Based Merging-Pruning Approach）方法，來改善MODT方法的問題，並且增加修剪程序來簡化合併樹。此方法包括三個主要程序：決策樹合併、合併樹修剪和決策樹驗證。其做法是先將兩棵原始樹經由合併程序結合成一棵合併樹，再透過修剪程序產生修剪樹，最後由驗證程序來評估修剪樹的準確度。本研究提出的DTBMPA方法藉由合併程序來擴大樹的知識，再利用修剪程序來取得更精簡的合併樹。 本研究利用實際信用卡客戶的信用資料來進行驗證。在MODT方法的實驗上，合併樹的準確度同時大於或等於兩棵原始樹的比例為79.5%；並且針對兩者的準確度進行統計檢定，我們發現合併樹的準確度是有顯著大於原始樹。而在DTBMPA方法的實驗中，合併樹的準確度優於原始一棵樹的比率有90%，而修剪樹的準確度大於或等於合併樹的比率有80%。在統計檢定中，合併樹和修剪樹的準確度優於一棵樹的準確度達顯著差異。且修剪樹的節點數較合併樹的節點數平均減少約15%。綜合上述，本研究所提之MODT方法和DTBMPA方法皆能使得合併樹的準確度優於一棵樹的準確度，而其中DTBMPA方法可以取得更精簡的合併樹。 此外，就決策樹形式知識整合的應用而言，本研究提出一個決策樹形式知識發掘預測系統架構，其主要的目在於提供一個Web-Based的知識發掘預測系統，以輔助企業進行知識學習、知識儲存、知識整合、知識流通和知識應用等知識管理的功能。期能藉由使用這套系統來發掘企業內部隱含的重要知識，並運用此發掘的知識進行分類和預測工作。它包含三個主要子系統，即知識學習子系統、合併決策樹子系統和線上預測子系統，其中合併決策樹子系統就是應用本研究所提出之決策樹形式知識整合方法來進行知識整合處理。 有關後續研究方面，可針對下列議題進行研究： 一、就決策樹形式知識整合架構中，探討決策樹形式知識清理單元，即前置處理部份的功能設計，期能讓合併樹結合有一定質量的決策樹形式知識。 二、就綜合多個預測值部份，可加入模糊邏輯理論，處理判定結果值之灰色地帶，以提昇合併樹的預測準確度。 三、就決策樹本身而言，可進一步探討結合選取多個屬性來進行往下分群的決策樹。針對分類性屬性的分支數目不同或可能值不同時的合併處理方法；以及數值性屬性選取不同的分割點時的合併處理方法。 四、探討分類性屬性的分支數目不同或可能值不同時之合併處理方法，以及數值性屬性選取不同的分割點時之合併處理方法。 五、對於合併樹的修剪方法，可考量利用額外修剪例子集來進行修剪的處理方法，並比較不同修剪法之修剪效果及準確度評估。 六、探討多次合併修剪後的決策樹之重整課題，期能藉由調整樹形結構來提昇其使用時的運作效率，且期能讓合併樹順應環境變化而進行其知識調整，並進一步觀察合併樹的樹形結構之變化情形。 七、就實際應用而言，可與廠商合作來建置決策樹形式知識發掘預測系統，配合該廠商的產業特性及業務需求來設計此系統，並導入此系統於企業內部的營運，期能藉此累積該企業的知識且輔助管理者決策的制定。 / In the knowledge economy era, mastering knowledge can improve organization competitive abilities. Therefore, knowledge creation, retention, application, and integration are becoming the hottest themes for discussion nowadays. Our research focuses on the discussion of knowledge integration and related subjects. Decision trees are one of the most common methods of knowledge representation. They show knowledge structure in a tree-shaped graph. Decision trees are simple and easily understood; thus we focus on decision-tree-based knowledge in connection with the theme of knowledge integration. First, this research proposes a method called MODT (Merging Optional Decision Tree), which merges two knowledge trees at once and adds an optional link to merge nodes which have the same ancestor. In MODT, we compare the corresponding nodes of two trees using the top-down traversal method. When their nodes are the same, we recount the number of samples and recalculate the degree of purity. When their nodes are not the same, we add the node of the second tree and its descendants to the first tree by the grafting technique. This yields a completely merged decision tree. The Strong Pattern Rule is used to strengthen the forecast accuracy during the merged decision trees. Secondly, when we use the MODT method to merge two trees which have different roots, the merged tree has cyclic link in the root. It makes the merged tree not a tree structure, so we propose another approach called DTBMPA (Decision-Tree-Based Merging-Pruning Approach) to solve this problem. There are three steps in this approach. In the merging step, the first step, two primitive decision trees are merged as a merged tree to enlarge the knowledge of primitive trees. In the pruning step, the second step, the merged tree from the first step is pruned as a pruned tree to cut off the bias branches of the merged tree. In the validating step, the last step, the performance of the pruned tree from the second step is validated. We took real credit card user data as our sample data. In the MODT experiments, the merged trees showed a 79.5% chance of being equal or more accurate than the primitive trees. This research result supports our proposition that the merged decision tree method could achieve a better outcome with regard to knowledge integration and accumulation. In the DTBMPA simulation experiments, the percentage accuracy for the merged tree will have 90% of chance that is greater than or equal to the accuracy for those primitive trees, and the percentage accuracy for the pruned tree will have 80% of chance that is greater than or equal to the accuracy for merged tree. And we also find that the average number of nodes of the pruned tree will have 15% less than that of the merged tree. Eventually, our MODT and DTBMPA methods can improve the accuracy of the merged tree, and the DTBMPA method can produced smaller merged tree. Finally, in respect to the application of the Decision-Tree-Based Knowledge Integration, this research proposes an on-line Decision-Tree-Based knowledge discovery and predictive system architecture. It can aid businesses to discover their knowledge, store their knowledge, integrate their knowledge, and apply their knowledge to make decisions. It contains three components, including knowledge learning system, decision-tree merging system, and on-line predictive system. And we use the DTBMPA method to design the decision-tree merging system. Future directions of research are as follows. 1.Discussing the Decision-Tree preprocessing process in our Decision-Tree-Based Knowledge Integration Architecture. 2.Using the fuzzy theory to improve the accuracy of the merged tree when combining multiple predictions. 3.Discussing the merge of the complicated decision trees which are model trees, linear decision trees, oblique decision trees, regression trees, or fuzzy trees. 4.Discussing the process to merge two trees which have different possible values of non-numeric attributes or have different cut points of numeric attributes. 5.Comparing the performance of other pruning methods with ours. 6.Discussing the reconstruction of the merged trees after merging many new trees, discussing the adaptation of the merged trees to the changing environment, and observation of the evolution of the merged trees which are produced in different time stamp 7.Implementation of the on-line Decision-Tree-Based knowledge discovery in a real business environment.

近年來，由於房價過於飆升及物價上揚等因素影響，致使一般上班族對於購屋的機會及可能性也相對降低。然而，房價的漲跌因素甚多，大致可歸納為外部因素及內部因素，其中外部因素有區域、地段、交通等；外部因素有經濟景氣與否、國際原物料價格起伏。若根據國際慣例，房價所得比介於3至6倍的區間，是比較合理的現象，若高於此一區間時，則可能會判斷該城市的房價有飆高的情形，如此對於該城市的居民來說，可能是一項痛苦指數的來源。 有鑑於此，本研究欲以地區的建案所提供的房地產來客對於建案總價款預算及房型坪數的認知進行探討，並且透過統計分析，據以瞭解探討房地產來客對於房價與房型坪數的看法，藉以提供房地產公司在未來的建案設計上，能較符合消費者的構想，為消費者量身打造一個房價總價款可以接受及地區或居住空間。其研究結果顯示： 1.看房來客職業、居住區、用途分別以上班族、台北市及換屋置產為多。 2.不同性別、自備款及用途之來客傾向擁有不同之總價款預算。 3.不同自備款及用途之來客傾向希望不同之坪數 4.影響總價款預算是否高於2,500萬之較重要變數為希望房數、介紹樓層及自備款。 5.影響希望坪數是否高於30坪之較重要變數有介紹樓層及希望房數兩項。

未來產業在迅速朝高科技智慧化發展的趨勢下，專業科技服務業與資訊服務業都會有大幅度的躍進；此外，創新是企業發展的動能，服務業將成為企業未來主力，因此服務業創新未來將成為企業發展重要的一環。在此同時除了須把握及強化創新科技系統之優勢外，仍須維持並提升服務品質、重視顧客滿意度。 本研究擬透過M公司之顧客滿意度調查問卷，瞭解不同構面下之滿意度概況、影響滿意度之相關因素，及該公司客戶對於競爭者之滿意度，以對於該公司之服務現況作深入研究及探討，研究結果如下： 一、 客戶公司之地理區、產業及高階職位不會影響其對於「服務品質」滿意度。 二、 客戶公司之地理區及產業會影響其對於「產品價值」滿意度。 三、 客戶公司之地理區及產業會影響其對於M公司之「整體滿意度」。 四、 客戶對IBM公司整體表現感到滿意，但不影響其對於M公司之整體滿意度。 五、 當客戶定義M公司與其組織間為策略導向關係，會有較高之「整體滿意度」。 六、 當客戶認為M公司的表現較其心目中最好的公司優良或相同，會有較高之 「產品價值」滿意度。

摘 要 過去對於保險資料的研究多採用傳統統計方法，然而保險公司龐大資料庫中蘊含的寶貴資訊可能因此被遺漏。 本研究目的是將資料採礦的技術應用到保險公司資料庫中的高雄縣市保戶保單貸款資料上，研究保戶利用保單貸款的行為，做為保險公司日後推行保單貸款的參考。 從整理過後的資料中，用不同抽樣方法抽出不同樣本大小以及不同是否貸款比例的樣本，將連續變數做轉換後，建立決策樹和類神經模型，透過統計上的變異數分析，討論四個因子對預測結果好壞的影響。選出最好組合的樣本大小、是否貸款比例（已貸款：尚未貸款）、抽樣方法、以及建立的模型。 最後將此最佳組合建立的C4.5決策樹轉換成規則，並探討其中正確率較高的幾項，作為給保險公司的參考。 / Abstract In the past, the analysis of insurance data is usually conducted with traditional statistical methods, however a large amount of valuable information hidden might be left undiscovered. The purpose of this research is to apply data mining techniques to customer policy data taken from one of insurance company’s database in Kaoshuing city and county to study the behavior of customers taking loans against their policies as a reference for insurance company in promoting policy in the future. From the cleansed data, we sample policies of different sizes and percentage of policies with loans by different sampling methods, decision trees and neural network models, then through the significant interactions of ANOVA, discuss how the results being influenced by the four factors. We then choose the best model that manifests factors affecting customer’s behavior in taking out the loan thus providing insurance company a vital information in targeting its customers group.

藥物交互作用，輕則產生副作用或導致治療效果的降低，重者甚至會造成死亡或引發致命性的危險，這個問題確實值得引起大家的關注，尤其台灣醫師在開藥數目上較國外醫師來的多，引發藥物交互的機率也因而來的更高，如果能透過數據將此問題的嚴重性表露出來，且對此問題提出對策，對國內醫療品質的提升會是一大幫助。 本研究的資料來源為中央健保局資料庫，資料選定範圍為每年就診率最高的呼吸道疾病，想藉由統計分析和資料採礦方法分析，從這龐大的資料中，得到與藥物交互作用相關的有用數據，並將這些數據轉換成訊息，讓大家了解。 在統計分析的部分，從各個不同的角度來探討上呼吸道疾病的藥物交互作用現象，包括病患的基本資料，如：性別、年齡…，就醫行為，如：就醫月份、就分，開藥行為，如：開藥日份、開藥品項；至於 資料採礦分析的部分，則是利用C5.0決策樹，來找出高危險群；最後，針對整體中最容易產生高危險交互作用的藥物組，對其藥效、藥物機轉…等做說明。 / Drug interactions, to a lesser extent, could cause side effects or reduce the drug efficiency, to a greater extent, is life-threatening or could lead to fatality. This issue deserves the attention from the medical personnel and us, the users. The prescription practice in Taiwan more often than not gives out relatively high doses of medications than those of the practice in North America. Consequently the risk of having drug interactions increases respectively. If we could bring the attention of the related party into this alarming situation with the supporting statistical numbers, then hopefully we could set off the stage for a better medical treatment in Taiwan. We used the data from National Health Insurance database, selecting data only on the patients contracting respiratory system disease which sit for the largest portion in the database. We examine the data using statistical and data mining techniques in an attempt to extract the data on drug interactions and turn the number into useful information for the benefit of all related parties. In light of the statistical analysis, we have in depth analysis of the drug interactions on medications used in upper respiratory tract from different perspective such as patient’s record which includes age, the frequency in seeing the physician, details on drug prescription. As for the analysis, data mining technique used is C5.0 decision tree in determining the group at risk for getting the side effects of drug interactions. Moreover, we also have summarized the list of drugs that have shown the tendency to induce drug interaction so that extra caution should be taken when administering these groups of medications.

顧客偏好是指顧客或消費者對某一種商品(或者商品的組合)的喜好程度，也就是說，顧客根據個人的意願或想法，提供一些關於消費該商品(或商品組合)的喜好或偏好程度的排序，而這樣的排序不僅可以反應顧客的個人需求、興趣和嗜好之外，也可以經由個人需求、興趣和嗜好的瞭解，達到商品交易的目的。所以，當某種商品的需求量與顧客對該商品的偏好程度正相關之際，則表示顧客對該商品的偏好程度愈高，則該商品被顧客所購買的可能性則會愈高，換言之，可以說當顧客對某種商品的偏好程度越高，顧客對該商品的需求也會越多。 本研究鑒於顧客偏好對於市場消費的貢獻具有一定程度的影響力，因此為能深入瞭解房屋仲介品牌在房地產市場上的助益，故考量將藉由房屋仲介品牌與顧客偏好間的關係探討，據以進一步明白顧客對房屋仲介品牌的偏好。然為能達到研究的實質效果，本文擬透過房屋仲介品牌與顧客偏好的問卷調查方式蒐集資料，並將資料作進一步的整理與分析，茲將研究分析所得到的研究發現，摘述如下： 一、 信義房屋與永慶房屋是顧客較為熟知的房屋仲介品牌； 二、 顧客之年齡、教育程度、居住地等因素會影響對房屋仲介品牌的偏好； 三、 高中(職)以下教育程度的顧客對永慶房屋的品牌有較佳的偏好程度； 四、 34歲(含)以下年齡層的顧客對信義房屋的仲介品牌是購買的首選。

展望2015年，資策會預估台灣網路購物市場產值可到1兆34億元，突破兆元產值，年成長14.1%，可見國人網路購物行為的普及與發展。有鑒於此，本研究欲針對不同網路購物消費者之網購涉入程度，探討其在人格與社群特質、網路購物認知、網路分享動機與跨螢幕裝置使用之影響因素，並針對不同網購涉入程度之消費者族群訂定差異化行銷策略。 本研究將針對全臺民眾進行網路使用行為調查「科技部2013年傳播調查資料庫」中之「社交媒體」、「雙重媒體使用」、「網路行銷」、「網路展集」相關題項整理後進行統計分析，以敘述性統計、卡方獨立性檢定、因素分析、集群分析及決策樹等分析方法探討消費者特性在不同網路購物涉入程度的差異。茲將研究分析所得之研究發現與針對網路商家提出之行銷建議，摘述如下： 一、研究發現 (一) 根據網路購物者之網路購物頻率、網購前搜尋行為、單月網購次數、單次網購金額與使用電腦、手機上網之頻率分出網路購物者三大集群，分別是「網購輕度涉入之手機上網愛好者」、「網購中度涉入之電腦上網愛好者」與「網購重度涉入之網路重度使用者」。 (二) 不同年齡分層對於網購涉入程度有顯著差異。 (三) 不同教育程度對於網購涉入程度有顯著差異。 二、網路商家行銷建議 (一) 針對「網購輕度涉入之手機上網愛好者」，網路商家可利用加強在社群網站之行銷，透過消費者與朋友間在網路社群之相互推薦、互動等行銷方法，增加其網路購物趣味性。加強手機版之網路商店頁面使用便利性，定期維護網路帳戶以加強網路購物安全性，便能增加其網購涉入程度，以提高其網路購物意願。 (二) 針對「網購中度涉入之電腦上網愛好者」，網路商家可將電視廣告與手機廣告結合實施互動優惠，使消費者增加手機上網購買意願，藉此開闢另一條網購通路。此外，定期維護網路帳戶以加強網路購物安全性，降低網路購物風險性。 (三) 針對「網購重度涉入之網路重度使用者」，網路商家可利用優惠團購、限時搶購等活動，保持消費者對於網路購物的趣味性；藉由開發創新的媒體互動方式，吸引消費者的好奇心，藉此創造消費者對於網路購物之新奇性認知。此外，網路商家可將電視廣告與手機廣告結合實施互動優惠，增加跨裝置實用性，並推出不同價位等級之商品以符合不同薪資收入程度消費者，並推出符合女性偏好之商品，以提高女性消費者之購買意願。

預測模型已經被廣泛運用在日常生活中，例如銀行信用評比、消費者行為或是疾病的預測等等。然而不論在建構或使用預測模型的時候，我們都會在訓練資料或是測試資料中遇到遺失值的問題，因而降低預測的表現。面對遺失值有很多種處理方式，刪除、填補、模型建構以及機器學習都是可以使用的方法；除此之外，直接用某個成本去取得遺失值也是一個選擇。 本研究著重的議題是用某成本去取得遺失值，並且利用決策樹(因為其在建構時可以容納遺失值)來當作預測模型，希望可以找到用較低的成本的填值方法達到較高的準確率。我們延續過去Error Sampling中Uncertainty Score的概念與邏輯。提出U-Sampling來判斷不同特徵值的「重要性排序」。相較於過去Error Sampling用「受試者」(row-based)的重要性來排序。U-Sampling是根據「特徵值」(column-based)的重要性來排序。 我們用8組UCI machine Learning Repository的資料進行兩組實驗，分別讓訓練資料以及測試資料含有一定比例的遺失值。再利用U-Sampling、Random Sampling以及過去文獻所提及的Error Sampling作準確率和錯誤減少率的比較。實驗結果顯示在訓練資料有遺失值的情況，U-Sampling在70%以上的檔案表現較佳；而在測試資料有遺失值的情況，U-Sampling則是在87.5%的檔案表現較佳。 另外，我們也研究了對於不同的遺失比例對於上述方法的效果是否有影響，可以用來判斷哪種情況比較適用哪一種選值方法。希望透過U-Sampling，可以先挑選重要的特徵值來填補，用較少的遺失值取得就得到較高的準確率，也因此可以節省處理遺失值的成本。

在一個民主政治國家當中，公民選舉需定期舉行，透過定期的選舉選出民眾期望的候選人，這是一個公民社會當中基本的權利，人民應透過公共事務的參與，了解政治體系的運作，並適時表達意見並參與公民活動，一個良好的公民需具備民主與法律知識，了解民主政治的運作，透過權利與義務實行展現民主自治精神，積極參與公共事務，傾聽他人並適當溝通，有助於國家的民主政治發展。 本研究目的想探討目前民眾對公共事務的參與意願，透過選舉競選造勢活動的調查，分析不同族群下對選舉活動的態度，調查不同面向因素包含受訪者的基本資料、傳播媒體行為、社交行為、個人特質與公民素養，目的為探討競選活動的參與意願。

本研究觀察了1992年1月20日至2003年2月28日美元兌台幣的匯率資料，分成樣本內、樣本外兩部分進行預測，此外也收集了相同時間的日圓、英鎊、港幣兌台幣的資料做比較，用Takagi-Sugeno Fuzzy﹝朱修明，2001﹞模型和Cubist決策樹模型來預測匯率。 用Takagi-Sugeno Fuzzy模型預測匯率，具有非線性模型的準確性，也兼顧了線性模型之結果簡潔易懂的特質。在變數個數少的時候，就可以達到所要求的預測準確度，此時產生的預測規則容易瞭解，歸屬度函數也易於辨別，檢定過後可知和隨機漫步模型沒有差別。 使用Cubist決策樹模型時，若產生的規則等同於隨機漫步模型，則預測準確度和隨機漫步沒有差別。但若產生出來的規則不同於隨機漫步模型時，則匯率預測準確度明顯低於隨機漫步模型。