隨著科技的進步，許多產業都應用自動化的作業模式，使得現今人類的生活更便利也更有效率。若我們能將自動化的概念導入資料分析的流程中，便能使資料分析者在作業上的負擔降低。本研究參考了資料複雜度指標對常見分類技術的影響，針對二元分類的類別不平衡資料，使用三種不同的重抽樣方法對資料進行類別的平衡，期望能夠建立一個有效的類別不平衡資料自動二元分類系統。研究結果顯示，本文提出的方法能夠有效的選出最好的分類技術。整體而言，羅吉斯迴歸在二元分類不平衡問題有較好的表現。

As technology advances, automated operations are used by many industries, it makes human life much easier and more efficient. Automated operations will reduce the burden on the data analyst if the concept of automation can be imported into the data analysis. 
In this study, influences of data complex indices on common classifier are evaluated and three different re-sampling methods are used for binray imbalanced data. The results show that our proposed procedure can effectively select the best classifier. For binary classification of imbalanced data, the Logistic regression has a better performance.

目錄	I
表目錄	III
圖目錄	IV
第一章	緒論	1
第一節	研究背景	1
第二節	研究動機與目的	2
第三節	論文架構	3
第二章	文獻探討	4
第一節	資料複雜度指標	4
1.	F1(最大Fisher判別比)：	4
2.	L1(最小化線性規劃目標函數值)：	5
4.	N2(平均組內及組間最鄰近點的距離比值)：	7
5.	C1(類別平衡程度)：	8
6.	分類技術選擇建議	9
第二節	分類技術	10
1.	CART決策樹	10
2.	最近鄰近點法	11
3.	單純貝氏分類器	12
4.	線性判別分析	13
5.	羅吉斯迴歸	15
6.	支持向量機	16
第三節	不平衡資料的修正方法	18
1.	超抽樣	19
2.	欠抽樣	19
3.	ROSE抽樣	19
第四節	CRIMCOORD變數轉換	20
第三章	研究方法	22
第一節	系統處理流程	22
1.	資料處理	22
2.	模型建構	23
第二節	類別變數的複雜度指標	23
C2指標：	24
C3指標：	24
C4指標：	24
第三節	分類技術的評估	25
第四章	實例分析	27
第一節	資料簡介	27
第二節	系統輸出彙整與比較	28
第三節	不平衡資料修正方法對於分類技術的影響	31
第四節	類別變數的複雜度指標對分類技術的影響	35
第五章	結論與建議	40
第一節	結論	40
第二節	研究建議	41
參考文獻	
中文文獻	42
英文文獻	43

表目錄
表 1  分類技術選擇建議	9
表 2  資料集資訊	27
表 3  模型挑選彙整表	29
表 4  資料複雜度指標值	30
表 5  資料修正後的表現	34
表 6  類別型資料複雜度指標值	36

圖目錄
圖 1  研究流程圖	3
圖 2  MST示意圖	6
圖 3  LDA示意圖	13
圖 4  SVM示意圖	16
圖 5  ROC曲線示意圖	26
圖 6  抽樣方法對分類技術的影響	33
圖 7  C2指標對分類技術的影響	37
圖 8  C3指標對分類技術的影響	38
圖 9  C4指標對分類技術的影響	39

中文文獻
1.	王派洲譯；Han, J., Kamber, M.著(2008)，資料探勘：概念與方法，臺中市：滄海。
2.	沈彥廷(2012)，「資料複雜度指標對資料探勘分類技術的影響」，淡江大學統計學系應用統計學碩士班碩士論文。
3.	施雅月、賴錦慧譯；Tan, P.N., Steinbach, M. and Kumar, V.著(2007)，資料探勘，臺北市：臺灣培生教育。
4.	陳景祥(2010)，R軟體：應用統計方法，台北：台灣東華

英文文獻
1.	Friedman, J.H. and Rafsky, L.C. (1979), Multivariate Generalizations of the Wald-Wolfowitz and Smirnov Two-Sample Tests, The Annals of Statistics, 7, 697-717. 
2.	Giovanna Menardi and Nicola Torelli (2014), Training and assessing classification rules with imbalanced data. Data Mining and Konwledge Discovery 28, 92–122.
3.	Gnanadesikan, R. (1997), Methods for Statistical Data Analysis of Multivariate Observations. Wiley, New York.
4.	Kalousis, A., Gama,J. and Hilario, M. (2004), On data and algorithms: understanding inductive performance, Machine Learning, 54, 275-312.
5.	Loh, W. Y., & Shih, Y, S. (1997). Split selection methods for classification trees. Statistica sinica, 7, 815-840
6.	Nicola Lunardon, Giovanna Menardi, and Nicola Torelli (2014), ROSE: A Package for Binary Imbalanced Learning. The R Journal 2014 Issue 1, 79-89.
7.	Smith, F.W. (1968), Pattern Classifier Design by Linear Programming, Transactions on Computers, 17, 367-372. 
8.	Swets, J.A. (1996). Signal detection theory and ROC analysis in psychology and diagnostics:collected papers. Lawrence Erlbaum Associates.
9.	ZHEXUE HUANG (1998), Extensions to the k-Means Algorithm for Clustering Large Data Sets with Categorical Values. Data Mining and Knowledge Discovery 2, 283–304.