本論文是研究在台灣開放型的股票型共同基金，並且利用資料採掘的技術加以分析並分類所謂優異績效及劣質績效的共同基金。我們使用分類決策樹(Classification and regression trees, CART)的方法來進行共同基金績效的分析及預測。本篇論文，我們採用了13種重要的變數來建構樹並找出優質基金，此外更驗證CART對於我們進行台灣共同基金績效的分析是穩定且有效的。最後，我們利用cross-validation test進行兩個月的基金的選取及持有，並各透過一個月的持有來視其績效。我們特別發現利用此方法選取出來的基金，其平均績效將優於所有共同基金的績效，並且其中有一個月的平均報酬率高於僅投資於高科技股的共同基金平均報酬率。 / We study the performance of open-end mutual funds in Taiwan, and use the technology of data mining to classify the outperforming and underperforming mutual funds. Classification and regression tree (CART) is the method to evaluate and predict the performance of mutual funds. In this paper, we utilize thirteen crucial factors to build trees and pick mutual funds by its classification rules. Moreover, we will verify precision of each tree. We find that the CART is a good tool to evaluate the performance of mutual funds in Taiwan because of its stability in outperforming - underperforming spreads. Moreover, we use two kinds of learning sample to build two trees and pick mutual funds to compose of them into the fund of funds. The results are better than the total average returns monthly, and one of them is better than the mutual funds that its investing target is high-tech stocks.

「民以食為天」，飲食與我們的生活息息相關。近年來由於食安風暴肆虐，自行烹煮的需求隨之高漲。然而在家自行烹煮時常會面臨不知道該烹煮什麼料理的問題，因此有便利的食譜搜尋系統對烹煮的人而言將是相當方便的。然而使用搜尋系統時，由於我們只知道想用某些特定食材進行烹煮，而不知道哪些食譜含有特定食材，因此在以少數食材進行查詢時不免會得到過多的食譜結果而難以快速找到喜好的食譜。我們建立了一個食譜搜尋的自動完成機制，並依照該機制實做出了食譜搜尋引擎。使用者使用系統進行搜尋時，我們將會依照使用者輸入的食材尋找適合搭配的食材推薦給使用者，幫助使用者在查詢時使用更完整的Query讓搜尋系統可以找到更少更精準的食譜，幫助使用者更快的找到喜歡的食譜。然而只推薦搭配性食材，可能會推薦出與Query中的食材是替代關係的食材，也就是通常不會一起出現的食材，因此我們也進行了替代性食材的研究。給定由兩個食材組成的食材配對，我們研究如何自動的判斷替代性食材。我們將問題轉化成分類問題來解決，並使用One-Class Classification的技術解決分類問題中的Imbalanced Problem。我們使用f1-score觀看One-Class Classification與傳統分類器的比較。經實驗測試，One Class Classification與傳統分類器相比，One Class Classification較能協助我們解決Imbalanced Problem。