刑事警察人員 107 年資料探勘技術考古題

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。） 前科犯 A（偷竊） B（恐嚇） C（搶劫） D（傷害） E（販毒） 001 1 1 1 002 1 1 003 1 1 1 004 1 1 1 1 005 1 006 1 1 1 007 1 1 008 1 1 1 009 1 010 1 1

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： ID A1 A2 A3 Class x1 S 2 Y C1 x2 B 2 Y C1 x3 B 1 Y C1 x4 S 1 Y C1 x5 S

Y C2 x6 B 3 N C2 x7 B 2 N C2 x8 B 3 Y C2 x9 S 2 N C2 ,] )) | ( ( 1[ ) ( ) ( 2 1 t i p t p A Gini C i A t = ∈ ∑ − ⋅ ∑ = 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） 107年公務人員特種考試警察人員、一般警察人員考試及 107年特種考試交通事業鐵路人員考試試題 全一張 （背面） 考試別： 一般警察人員考試 等 別： 二等考試 類科別： 刑事警察人員犯罪分析組 科 目： 資料探勘技術（包括資料庫管理與運用、線上交易處理【OLTP】、 資料倉儲【Data Warehouse】、資料探勘【Data Mining】）  的道路編號。（10 分） 故日期（AC 故時段（ACC_TIME）：本維度分析 ush_hour） 至24 時； 峰。 ） ⑷ 別（ACC_C），A1、A2、A3 分類，無 請應用資料倉儲模型（data warehouse model）為此OLAP 系統設計資料倉儲綱要 並明確指出所包含的事實表格（fact table）、維  三、某公路交通事故資料庫系統的部分相關關聯式表格名稱、欄位屬性名稱和資料如下： ACC [事故紀錄] 事故編號 發生日期 發生時間 道路編號 道路位置 事故類別 受傷人數 死亡人數 ACC_ID DATE TIME R_ID R_KM ACC_C H_NUM D_NUM 2100001 02/01/2016 05：13 T9 152 A1

1 2100002 02/12/2016 08：30 N1 178 A2 1 2 2100003 02/07/2016 18：01 N3 352 A3 0 0 2100004 05/16/2016 04：58 T9 152 A1

1 2100006 09/02/2016 05：32 N1 175 A3 0 0 2100007 09/12/2016 07：21 T3 202 A2 4 0 2100009 09/15/2016 07：55 N1 58 A2 2 0 2100010 10/01/2016 17：30 T1 312 A3 0 0 2100011 10/02/2016 01：32 C118 13 A2

1 2100013 12/12/2016 05：58 T3 202 A1 1 3 請寫出SQL 語法查詢（query）：列出曾發生單件事故中有受傷3 人（含）以上或 有死亡人數 請寫出SQL 語法查詢（query）：列出各個道路編號的受傷人數與死亡人數統計數據。 （10 分） 四、 承續上題，交通管理單位高層決策希望能夠從ACC 資料庫中，建立線上分析處理 （On-line analytical processing; OLAP）系統，分析各道路容易出現重大事故的路段與 時間，以利掌握並研擬改善措施。為了達成目標，首先必須構建資料倉儲（data warehouse）。假設所要分析的主要目標資料項包括：事故件數（ACC_NUM）、受傷 人數（H_NUM）和死亡人數（D_NUM）；分析的維度包括有：事故日期、事故時段 和道路種類、事故類別等4 個維度（dimension），分述如下： ⑴ 事 C_DATE）：本維度中分析發生日期（DATE），包含有日期的概念階 層（concept hierarchy）；如下： 年（year）> 季（quarter）> 月（month）> 日（day） ⑵ 事 發生時間（TIME），包含上下午（Half_day） 與尖、離峰時段（R 上午：0 時至12 時，下午：12 時 尖峰：7 時至9 時及17 時至19 時；其餘為離 ⑶道路種類（ROAD）：本維度分析道路編號（R_ID），並將道路類別（Road_class 分為：國道（N）、省道（T）、縣道（C） 事故類別（ACC_C）：本維度主要依事故類 額外分析需求。 （schema），並據以回答以下問題： 請您繪出所設計的資料倉儲綱要圖， 度表格（dimension table），以及相對的所有參考屬性（referential attribute）。（20 分） 請對ACC 資料表寫出SQL 語法查詢（query）：計算出在分析維度（尖峰時段,事 故類別）的各類事故件數。（10 分）