刑事警察人員 99 年資料探勘技術考古題

內政部警政署委託某一大學舉辦高階資料探勘研習班，研習過程中學員必須完成指 定作業並參加模擬測驗。研習通過與否以期末考成績為唯一標準。該班學員資料如 下表所列： 學號 （ID） 電話 （Phone） 語言 （Language） 完成所有作業 （Assignments） 模擬考成績 （Test） 通過期末考 （Exam） 3231-5483 Java No 31 Yes 3231-5482 Java No 20 No 3231-4283 C++ Yes 35 Yes 3231-4729 Python Yes 25 Yes 3231-4214 Java Yes 39 No 3231-4782 C++ No 29 No 3231-4824 Java No 19 No 3231-3845 Python Yes 32 Yes ㈠請利用上表資料，設計並描述一個合理的K-NN classifier（K-Nearest Neighbor 分 類器）來預測學員是否會通過最終的期末考。（20 分） ㈡若學員0009 的研習記錄如下所示，請用你所設計的K-NN classifier 預測該學員是 否有可能通過最後的期末考。請寫出相關計算與分析。（10 分） 學號 （ID） 電話 （Phone） 語言 （Language） 完成所有作業 （Assignments） 模擬考成績 （Test） 通過期末考 （Exam） 3231-5423 C++ Yes 30 ?

下圖㈠與圖㈡分別是用K-means 分群（clustering）的結果。請分別分析為什麼分群 結果會不甚理想，並提出改進之道（但必須保有K-means 之精神）。 ㈠（10 分） ㈡（10 分） 圖㈠ 圖㈡ 99年公務人員特種考試警察人員考試及 99年特種考試交通事業鐵路人員考試試題 類 科： 刑事警察人員犯罪分析組 資料倉儲【Data Warehouse】、資料探勘【Data Mining】）

請比較Naïve Bayesian, Support Vector machine, K-nearest neighbor 這三種常見的資料 分群方法（classification methods）。 ㈠那一種方法最容易修改成可以處理動態資料流（Dynamically changing data streams）？ 請敘明理由以及改變方法。（15 分） ㈡那一種方法最不容易修改成可以處理動態資料流？請敘明理由。（10 分）

請說明一個兩群組的二維資料集（2-dimensional dataset）如何可以用一個線性SVM 完全正確的分群，但是卻無法用3-NN classifier 完全正確的分群。請舉例並以圖示 輔助說明。（25 分）