圖表工作室 Graph Builder
資料篩選全部資料
拖曳框選或點選資料，工作表會標出對應原始列。
選擇欄位後建立圖表
切換圖形或設定欄位後會自動更新。
分析方法
← 左右滑動 →
🔎 異常偵測 Outlier Detection — 說明
什麼時候用
找出值得查證的極端觀測，用於品質監控、異常交易與建模前的資料檢查。
怎麼讀結果
IQR 與 Modified Z 較穩健；Z-Score 較依賴常態分布。被標記只代表「候選異常」，不應未查證就刪除。
選擇偵測方法
預設 3 (嚴格), 2.5 (寬鬆)
預設 1.5 (標準), 3 (極端)
📊 柏拉圖 Pareto Chart — 說明
什麼時候用
將缺點、客訴或成本依類別排序，快速聚焦對總量貢獻最大的少數項目。
怎麼讀結果
柱形是各類別數量或總值，折線是累積百分比。80/20 是優先順序的啟發，不是固定定律或根因證明。
🐟 魚骨圖 Fishbone Diagram — 說明
什麼時候用
在問題分析前期系統化整理人、機、料、法、環等可能原因，適合團隊腦力激盪。
怎麼讀結果
魚頭（或根節點）是中心主題，主骨是原因類別，細骨是候選原因。圖上內容是待驗證假設，不等於已證實根因。
📋 資料格式要求
資料需包含兩個欄位：PARENT 主要原因類別（如：人員、機台、物料、方法、環境），CHILD 各類別下的細項原因。
🧪 假設檢定 Hypothesis Testing — 說明
什麼時候用
比較兩組平均數、多組平均數，或兩組變異數；先依資料是否成對與組數選擇檢定。
怎麼讀結果
p < 0.05 代表資料提供反對虛無假設的證據；p ≥ 0.05 只能說「未發現顯著差異」，不能證明完全相同。要證明「沒有實質差異」，請改用 。
⚙️ 本模組的檢定策略
三組以上以傳統 One-way ANOVA（pooled）為主要結果，並列 Welch ANOVA 作為變異數異質時的穩健性檢查。ANOVA 後自動提供事後比較（Tukey-Kramer 或 Games-Howell）；資料明顯非常態或樣本小時，可將「方法」切換為無母數檢定。兩組預設使用 Welch t；完整統計表與兩兩比較可再展開。
📏 實驗前規劃：需要多少樣本？（檢定力與樣本數）
收資料之前，先決定「要偵測多大的差異」，再算出需要的樣本數；或檢查現有樣本數的檢定力夠不夠。差異應是工程上有意義的最小差異，標準差可按「用目前資料估計」帶入。
檢定類型
要計算什麼
檢定力曲線
敏感度：不同差異所需樣本數
t 檢定與 ANOVA 以非中心 t / F 分布計算精確檢定力；比例以常態近似（不含連續性校正，比例接近 0 或 1 時偏樂觀）。
一個數值 Y 加上一個類別 X，比較兩個或多個群組。
🟰 等效檢定 Equivalence Test (TOST) — 說明
什麼時候用
要證明「兩者夠接近，可以視為相同」：換料、二廠移轉、新舊治具或量具、改版前後。一般假設檢定只能證明「有差異」，p ≥ 0.05 不代表相同。
怎麼讀結果
先由工程與客戶訂出可接受差異 ±δ。兩個單側檢定 (TOST) 都拒絕，或 (1−2α) 信賴區間完全落在 ±δ 之內，才能宣稱等效。
⚙️ 本模組的做法
差異一律以「測試組 − 參考組」計算。獨立樣本預設 Welch 標準誤；成對樣本以逐列差值計算；也可對目標值做單一樣本等效。除了等效，也提供非劣性 (只看下限) 與不超越 (只看上限) 的單側版本。
⚠️ 界限要事先定
±δ 必須在看資料前由規格、量測能力或客戶要求決定；看完結果再調整界限，檢定就失去意義。
❓ 為什麼 α＝0.05 對應 90% 信賴區間？
TOST 是兩個單側檢定，各用 α＝0.05：檢定 1 拒絕「差異 ≤ −δ」，等同單側 95% 下界 > −δ；檢定 2 拒絕「差異 ≥ +δ」，等同單側 95% 上界 < +δ。左右各切掉 5%，中間剩下的就是雙側 90% 信賴區間 (1−2α)。
整體犯錯率仍是 5%，不是 10%：必須兩個檢定同時拒絕才能宣稱等效，而真實差異只可能落在其中一側界限之外，所以最多只有一個檢定會誤判 (交集聯集檢定，intersection–union test)，不需要像多重比較那樣把 α 再除以 2。
| 一般差異檢定 | 等效檢定 (TOST) | |
|---|---|---|
| 要證明 | 有差異 | 差異夠小 |
| α＝0.05 | 95% CI 是否包含 0 | 90% CI 是否落在 ±δ 內 |
| α＝0.01 | 99% CI | 98% CI |
非劣性或不超越只做一側檢定，看的是同一個 90% CI 的下界或上界。
一個數值 Y 加上一個兩水準的類別 X，例如原廠料 vs 替代料。
等效界限與檢定設定 (差異 = 測試組 − 參考組)
TOST 兩側各做一次 α 單側檢定，故 α＝0.05 對應 90% CI（1−2α）。
▦ 卡方獨立性檢定 Chi-Square Test — 說明
什麼時候用
判斷兩個類別變數是否有關，例如性別 × 產品偏好、教育程度 × 職業類型、地區 × 購買行為。觀察需相互獨立，工具會自動檢查期望次數是否足以使用卡方近似。
怎麼讀結果
先看前提檢查，再看 p 值判斷是否有關，最後用 Cramér's V 判斷關聯強度。
📈 線性迴歸 Linear Regression — 說明
實務選法
一般關係解讀用簡單／多元迴歸；X 高度相關但仍想全部保留時用 Ridge；候選因子很多時可用逐步迴歸初篩；大量且相關的感測或製程數值 X 可用 PLS。
怎麼讀結果
一般迴歸看係數、R² 與殘差；Ridge／PLS 以交叉驗證誤差判斷預測穩定度。所有模型都應避免超出資料範圍預測，關聯不等於因果。
單一 X 的關係、效果解讀與預測。
適合 X 高度相關、但基於製程知識仍需保留所有因子的預測；類別 X 會自動編碼，懲罰強度由交叉驗證選擇。
💡 Ctrl／⌘ Cmd 可複選；欄位會先標準化再計算。
1-SE：在最小驗證誤差的一個標準誤內，取收縮較強、較穩定的 λ。
類別型 X 會自動以參考組編碼 (dummy coding) 納入模型。
💡 按住 Ctrl／⌘ Cmd 可複選；類別欄位最多 20 個水準。
多水準的類別因素會以整個因素一起進入或剔除，不會拆開個別水準。
💡 Ctrl／⌘ Cmd 可複選；未選時預設使用全部數值欄位。
適合大量且彼此相關的感測、配方或製程數值 X；自動選擇潛在成分，並以 VIP 協助排定後續確認順序。
💡 Ctrl／⌘ Cmd 可複選；建議至少 2 個 X。
實際上限會依樣本與 X 數自動調整。
1-SE：在最小驗證誤差的一個標準誤內，取成分數最少的模型。
🔳 關聯矩陣 Association Matrix — 說明
什麼時候用
同時探索多個數值與類別欄位的兩兩關係，快速發現相關、群組差異、群聚與離群點。
怎麼讀結果
根據變數型別觀察散佈、抖動點或共同筆數；發現模式後再回到適合的統計檢定。關聯不等於因果。
📊 相關係數 |r| 強度參考
按住 Ctrl（Windows）或 Cmd（Mac）可複選；留空時自動選擇最多 6 個適合的欄位（會保留最可能的 Y），手動最多 8 個。
☁️ 文字雲 Word Cloud — 說明
什麼時候用
快速掃描客訴、備註、訪談或意見欄位中經常出現的詞彙，作為後續文本分類的入口。
怎麼讀結果
字越大代表出現越頻繁，不代表重要性、正負情緒或因果。請搭配右側詞頻清單並查看原始語境。
文字雲結果
📉 管制圖 Control Chart — 說明
什麼時候用
監控製程是否穩定並辨識特殊原因；資料列必須依生產或時間順序排列，n≥2 時每連續 n 筆組成子群組。
怎麼讀結果
紅線是標準 3σ 管制限；橘線是 2σ 警告限。管制限用來看穩定性，不等同客戶規格限。
樣本數設定（計數值管制圖）
選擇比率時，會以「比率 × 檢驗數」換算回件數再計算（c 圖只接受件數）。
每一列代表一批（一個子群組）。c 圖不需要樣本數；u 圖的檢驗單位可為小數（例如 2.5 平方公尺）。
子群組設定 (Subgroup Settings)
n=1：I-MR Chart (個別值-移動全距圖)；n≥2：X̄-R Chart (平均值-全距圖)
管制限設定 (Control Limits)
判異規則（Nelson 八大規則，套用於 X̄ / I 圖）
｜計數值管制圖套用規則 1–4（業界常見做法）；規則 5–8 不適用。
σ 由管制限推得：σ = (UCL − CL) / 3。標記點為該型態的最後一點（業界統計軟體慣例）。R / MR 圖僅套用規則 1。
📏 規格線設定 (可選填)
💡 留空的欄位則不繪製該規格線。規格線只會顯示在 I Chart 上。
管制圖分析結果
🎯 製程能力 Process Capability — 說明
什麼時候用
在製程穩定後評估其相對於規格的能力；Cp/Cpk 使用組內短期變異，Pp/Ppk 使用全部資料的整體變異。
怎麼讀結果
先看 Cpk/Ppk，再比較 Cp 與 Cpk 是否有中心偏移。模型 PPM 假設資料近似常態，並另列實際觀察 PPM。
規格限制 (Specification Limits)
💡 若僅提供單邊規格，另一側留空即可。
進階設定
n=1 使用相鄰值移動全距；n=2~10 依資料列順序組成子群組
上方的傳統指標永遠保留；結果區下方會加上常態性檢定與各方法比較。
n=1 會以相鄰兩筆的移動全距估計短期 σ；若資料曾依數值或類別排序，Cp/Cpk 將不可信。
製程能力分析結果
🧮 線性規劃 Linear Programming — 說明
什麼時候用
在產能、工時、原料或預算等線性約束下，找出最大利潤或最小成本的可行方案。
怎麼讀結果
先確認可行性，再看最佳解、綁定約束與敏感度。模型假設貢獻與資源消耗皆為線性，超出適用範圍需重新建模。
📦 決策變數
🎯 目標函數係數 (每單位貢獻值/成本)
目標函數：Z = c₁·x₁ + c₂·x₂ + ...
⚖️ 約束條件
💡 非負約束 (x₁, x₂ ≥ 0) 已自動包含
📊 求解結果
◉ 多維度泡泡圖 Bubble Chart — 說明
什麼時候用
需在同一張圖比較 X、Y、大小、顏色、標籤與時間，或追蹤多個對象隨時間的移動軌跡時。
怎麼讀結果
位置看 X/Y，面積看規模，顏色看群組，軌跡看變化。編碼過多會增加誤讀，請只保留回答問題所需的維度。
限數值欄位
類別或數值欄位皆可
進階設定
所有標籤值顯示在同一張圖
每個標籤值產生獨立圖表 (最多25張)
如 Year、Month 等具順序性的欄位
多維度泡泡圖
預測方法
← 左右滑動 →
〜 移動平均 Moving Average — 說明
什麼時候用
作為無明顯趨勢與季節性的基準模型，或用固定視窗平滑短期波動以觀察較長期走勢。
怎麼讀結果
視窗 k 越大越平滑、但反應越慢；未來預測通常接近最近視窗平均。請以滾動驗證誤差選擇 k。
取消勾選 Auto 後可手動調整參數：
≈ 單指數平滑 Simple Exponential Smoothing — 說明
什麼時候用
預測水準大致穩定、沒有明顯趨勢或季節性的序列；較近觀測會獲得較高權重。
怎麼讀結果
α 越大越追隨最新變化，越小越平滑；多期預測為同一水準。如殘差仍有趨勢或季節模式，應更換模型。
取消勾選 Auto 後可手動調整參數：
↗ 雙指數平滑 Holt's Linear Trend — 說明
什麼時候用
序列有向上或向下趨勢，但沒有固定季節循環時；模型同時更新水準與趨勢。
怎麼讀結果
α 控制水準、β 控制趨勢反應；預測會沿估計趨勢延伸。預測期越長，趨勢外推風險越高。
取消勾選 Auto 後可手動調整參數：
∿ Holt-Winters Triple Exponential Smoothing — 說明
什麼時候用
序列同時有趨勢與固定季節循環時；本工具使用乘法季節模式，適合季節振幅隨整體水準放大或縮小的資料。
怎麼讀結果
α、β、γ 分別控制水準、趨勢與季節反應。季節長度必須符合實際週期，且建議至少有兩個完整週期。
取消勾選 Auto 後可手動調整參數：
🧩 趨勢＋季節分解 Classical Decomposition — 說明
什麼時候用
想把序列拆成趨勢、重複季節模式與殘差，以解釋變動來源並進行疊加預測時。
怎麼讀結果
先檢查趨勢與季節成分是否有意義，再看殘差是否仍有結構。週期設定錯誤會造成假季節性，建議至少兩個完整週期。
例如：月資料多為 12、週資料可設 52。
⟳ ARIMA Autoregressive Integrated Moving Average — 說明
什麼時候用
序列已平穩，或經 d 次差分後可視為平穩，並需要模擬自迴歸 AR 與誤差移動平均 MA 結構時。
怎麼讀結果
比較滾動驗證誤差並檢查殘差是否仍有自相關。p、d、q 越大不一定越好；過度差分與高階模型都可能降低樣本外表現。
取消勾選 Auto 後可手動調整參數：
🧠 LSTM Long Short-Term Memory — 說明
什麼時候用
資料量足夠、關係可能非線性，且希望捕捉較長期依賴時使用；建議先建立簡單模型作為比較基準。
怎麼讀結果
以驗證集或保留資料的預測誤差比較模型；訓練損失較低不代表未來預測一定較好，重複訓練也可能略有差異。
⚠️ 注意：LSTM 模型訓練耗時較長，請耐心等待。訓練過程使用 TensorFlow.js 在瀏覽器端執行。
⋮ Croston-SBA Intermittent Demand — 說明
什麼時候用
需求多為 0、偶爾出現正值的備品、慢料或間歇性需求；不適合把大量零值當成一般連續序列處理。
怎麼讀結果
模型分別平滑需求大小與發生間隔；未來各期顯示平均需求率，不代表預測需求會在哪一期發生。SBA 用來降低原始 Croston 的正向偏誤。
控制「大小」平滑速度
控制「間隔」平滑速度
S Bass 擴散模型 Bass Diffusion — 說明
什麼時候用
以創新係數 p、模仿係數 q 與市場潛量 m 模擬新產品採用曲線；也可在尚無完整歷史序列時進行情境分析。
怎麼讀結果
觀察每期新增採用、累積採用與高峰時間。結果高度依賴 p、q、m 假設，應視為情境推演，不能自動等同經資料驗證的預測。
外部影響力 (0.01-0.05 常見)
內部影響力 (0.3-0.5 常見)
最終總採用人數
💡 教學提示： 當 q > p 時會有內部高峰；高峰時累積採用率為 F(T*)=(q-p)/(2q)，不一定是 50%。 典型值：p ≈ 0.03, q ≈ 0.38。
學習方法
← 左右滑動 →
📈 邏輯斯迴歸 Logistic Regression — 說明
這是什麼
估計類別結果的發生機率。Y 有兩類時使用二元模型；3～10 類時自動使用多類別模型，並同時顯示每一類的預測機率。
什麼時候用
- 想知道發生機率有多高，而不只是「會/不會」
- 需要量化每個因子的影響方向與大小（勝算比 Odds Ratio）
- 需要一個能寫成公式、放進報告與簡報的模型
需要什麼資料
- Y：2～10 種值的類別欄位
- X：可混合數值與類別變數，並可多選
- 類別 X 採參考組虛擬變數編碼；數值／類別欄位可在清單中選擇處理方式
- 每個類別及每個模型參數都需要足夠樣本，否則係數與 p 值可能不穩定
怎麼讀結果
- 係數正負：正值提高發生機率，負值降低
- 勝算比 = exp(係數)：相對於 Y 參考類別，>1 表示勝算提高，<1 表示降低
- 整體效果 p 值：先判讀原始 X 的整體效果，再查看個別係數
二元 Y 自動使用 Binary；三類以上自動使用 Multinomial。
按住 Ctrl（Mac 按 ⌘ Command）可複選；「數值／類別」欄位會提供兩種角色。
🌳 決策樹 Decision Tree — 說明
這是什麼
用一連串「是/否」問題把資料逐層切開，最後形成能直接朗讀的判斷規則，是所有模型中最容易向他人說明的一種。
什麼時候用
- 要向現場人員說明判斷邏輯，而非只給一個預測值
- 想看到明確的切點（例如「身高 ≤ 158.5 公分」）
- 自變數同時混有數值與類別
需要什麼資料
- 連續分頁：Y 為數值；分類分頁：Y 為類別
- X：數值與類別皆可，無需標準化
- 樣本數建議 ≥ 30；太少時樹的規則會不穩定
怎麼讀結果
- 從根節點依條件往下走，走到葉節點即為預測結果
- 葉節點的 n 與純度：純度越高代表該群分得越乾淨
- 變數重要性排第一者，即最關鍵的切分因子
- ⚠️ 單棵樹容易過擬合，準確率請以隨機森林為準
預測連續數值結果（如：體重、良率、銷售額）。以變異數減少量 (SS) 選擇最佳分割點。
預測類別結果（如：合格/不合格、性別、產品等級）。以 Gini 不純度減少量選擇最佳分割點。
🎯 支持向量機 Support Vector Machine — 說明
這是什麼
以線性分界區分類別，或以 L2 正則化線性迴歸預測數值。若資料關係明顯彎曲或需要複雜分區，請改用決策樹或隨機森林。
什麼時候用
- 特徵數多、樣本數相對少的情況
- 類別之間界線明顯，但不是一條直線
- 線性迴歸或邏輯斯迴歸效果不足時
需要什麼資料
- 連續分頁：Y 為數值；分類分頁：Y 為類別
- X：建議使用數值變數，且尺度差異大時應先標準化
- 樣本數不宜過大，計算量會隨樣本數快速上升
怎麼讀結果
- 準確率 / R²：模型整體表現
- Permutation Importance：打亂某變數後效能掉越多，代表該變數越重要
- 這兩個模組都是線性模型：分類是線性 SVM，連續是 Ridge 迴歸。要捕捉非線性關係請改用決策樹／隨機森林
以線性 SVM（hinge loss + L2）找出區分類別的最佳超平面。
💡 建議使用數值變數
⚙️ 參數設定
C 越大 → 越不容忍分類錯誤 → 邊界越貼近資料
以 L2 正則化線性迴歸（Ridge）進行數值預測。
w = (X'X + λI)⁻¹X'y（λ = 1/C），沒有 kernel、也沒有 ε 容忍帶。
為了讓畫面與實際計算一致，已改名並移除不生效的核函數、Gamma 與 ε 設定。
需要真正的非線性關係，請改用「隨機森林」或在迴歸分析中加入交互作用／二次項。
💡 建議使用數值變數
⚙️ 參數設定
C 越大 → λ 越小 → 越接近普通最小平方
🔮 模型預測
輸入特徵值，使用已訓練的模型進行預測：
⌁互動式預測剖面圖 Prediction Profiler 點擊展開／收合
🌲 隨機森林 Random Forest — 說明
這是什麼
建立上百棵決策樹，每棵只看部分樣本與部分變數，再把結果平均或投票，用群體智慧壓低單棵樹的過擬合。
什麼時候用
- 想找出「哪些因子最關鍵」——DOE 因子篩選的常用工具
- 單棵決策樹準確率不足時
- 資料有雜訊、關係非線性、變數之間有交互作用
需要什麼資料
- 連續分頁：Y 為數值；分類分頁：Y 為類別
- X：數值與類別皆可，無需標準化
- 樣本數建議 ≥ 40
怎麼讀結果
- 變數重要性：排第一者即主要影響因子
- OOB R² / OOB 準確率：用沒參與訓練的樣本評估，比訓練集分數更接近真實表現
- mtry：每個分割節點抽樣的候選變數數；跨工具比較時，請使用相同的每次分割抽樣數
- ⚠️ 準確率高但看不到單一規則，需要解釋邏輯時請搭配決策樹
預測連續數值結果（如：銷售額、產品硬度、良率）。系統將建立多棵迴歸樹並平均預測值。
💡 按住 Ctrl (Win) 或 Cmd (Mac) 多選，建議 5-50 個變數
⚙️ 模型參數設定
預設 100（50-200 推薦）
預設 10（避免過擬合）
預設 5
每個「分割節點」隨機抽取的候選變數數 (mtry)。
跨工具比較時，請確認此參數與其他工具設定一致。
預測類別結果（如：良品/不良品、高/中/低風險）。系統將建立多棵分類樹並透過投票決定最終類別。
自動偵測類別變數（2-10 個類別）
💡 支援數值和類別變數混合
⚙️ 模型參數設定
每個「分割節點」隨機抽取的候選變數數 (mtry)
🧠 神經網絡 Neural Network — 說明
這是什麼
由多層神經元逐層轉換特徵，能逼近高度非線性的關係。本頁使用 TensorFlow.js 直接在瀏覽器端訓練 MLP 模型。
什麼時候用
- 線性迴歸、決策樹、隨機森林都不足時
- 資料筆數多、特徵多，且關係高度非線性
- ⚠️ 樣本數少於約 100 筆時通常不划算，建議先用決策樹或隨機森林
需要什麼資料
- 連續分頁：Y 為數值；分類分頁：Y 為類別
- X：數值與類別皆可，類別變數會自動做 One-Hot Encoding
- Epochs 先試 100~300，隱藏層神經元先試 8~32
怎麼讀結果
- Learning Curve：訓練與驗證曲線分岔越大，代表過擬合越嚴重
- Permutation Importance：近似的變數重要性排名
- 混淆矩陣：分類任務中各類別的預測對錯分布
- ⚠️ 可解釋性最低，若需向他人說明因果邏輯請搭配決策樹
預測連續數值結果。輸出層為單一線性神經元，損失函數為 MSE。
將以「連續數值」訓練迴歸模型（不會自動改判為分類）。
數值與類別變數皆可；類別變數會自動做 One-Hot Encoding。
預測類別結果。二元分類使用 sigmoid + binary cross-entropy，多元分類使用 softmax + categorical cross-entropy。
類別變數，或相異值不多的數值變數（每個相異值視為一個類別）。
數值與類別變數皆可；類別變數會自動做 One-Hot Encoding。
可先從 8~32 嘗試，再視效能調整。
示範用途建議 100~300；實務應視資料量調整。
此版本將在瀏覽器端使用 TensorFlow.js 訓練簡單的 MLP 模型，並計算 Permutation Importance，搭配 Plotly 長條圖展示特徵重要度。
🧭 主成分分析 PCA — 說明
這是什麼
把多個彼此相關的變數，重新組合成少數幾個互不相關的「主成分」，在盡量不損失資訊的前提下降低維度。
什麼時候用
- 變數太多且彼此高度相關（多重共線性）
- 想用 2~3 個維度畫圖，觀察資料的整體結構
- 作為迴歸或分群之前的前處理步驟
需要什麼資料
- 僅接受數值變數，建議選 3 個以上
- 變數尺度差異大時需先標準化
- 樣本數建議至少為變數數的 3~5 倍
怎麼讀結果
- 累積解釋變異：達 70~80% 即可決定保留幾個成分
- 陡坡圖：轉折點（手肘處）為建議的成分數
- 載荷量 Loading：絕對值越大，代表該原始變數對此成分貢獻越大
- 雙標圖 Biplot：點是樣本、箭頭是變數；同向為正相關，反向為負相關
- 變數樹狀圖：用相關係數距離把走勢相近的變數分群
- ⚠️ 主成分是數學組合，不一定具有實際物理意義
💡 按住 Ctrl (Win) 或 Cmd (Mac) 選擇多個變數
Biplot 固定顯示 PC1 與 PC2；若要對照「便當與涼麵」教材，請填入 2。
🔍 因素分析 Factor Analysis — 說明
這是什麼
假設觀測變數背後存在少數看不見的「潛在因子」，藉由分析變數間的共同變異把這些因子找出來。
什麼時候用
- 量表或問卷的編製與效度檢驗
- 想替一組題目找出背後的構面（例如「服務品質」「價格滿意度」）
- 探索變數之間的內在結構，而非單純降維
需要什麼資料
- 數值變數，常見為李克特量表題項
- 樣本數建議 ≥ 100，且至少為變數數的 5 倍
- 變數之間需具備一定相關性，否則萃取不出因子
怎麼讀結果
- 特徵值 > 1：常用的因子數判準
- 因子載荷量 > 0.4~0.5：表示該題歸屬於此因子
- 共同性 Communality 過低的題目可考慮刪除
- 💡 與 PCA 的差別：PCA 目的是降維，因素分析目的是解釋潛在結構
💡 按住 Ctrl (Win) 或 Cmd (Mac) 選擇多個變數
🎯 K-Means 集群 K-Means Clustering — 說明
這是什麼
先指定要分成 K 群，演算法反覆調整群心位置，讓每筆資料都歸到距離最近的群心，直到分群穩定為止。
什麼時候用
- 客戶分群、市場區隔（例如 RFM 分析）
- 產品定位、庫存分類管理
- 找出行為相似的族群，或偏離所有群心的異常點
需要什麼資料
- 數值變數，建議 2~5 個
- 尺度差異大時務必標準化，否則數值大的變數會主導分群
- 無需 Y，屬非監督式方法
怎麼讀結果
- 手肘法（陡坡圖）：先決定合適的 K 值
- 輪廓係數 Silhouette：越接近 1 越好，低於 0.25 代表分群結構不明顯
- 比較各群的平均值，據此為每一群命名（如「高價值客戶」）
- ⚠️ K 需自行指定，不同 K 會得到不同結論
💡 按住 Ctrl (Win) 或 Cmd (Mac) 選擇多個變數
建議先用Elbow法找最佳K值
📐 階層式集群 Hierarchical Clustering — 說明
這是什麼
從每筆資料各自成一群開始，逐步把最相近的兩群合併，最後形成一棵完整的樹狀圖 (Dendrogram)。
什麼時候用
- 樣本數不多（建議 < 1000 筆）
- 事先不知道該分成幾群，想從樹狀圖自行判斷
- 資料含類別或數值/類別混合型變數（可用 Gower 距離）
需要什麼資料
- 數值、類別或混合型資料皆可
- 連結方法可選 Ward、Complete、Single、Average、Centroid
- ⚠️ 樣本數過大時，計算量與樹狀圖可讀性都會迅速惡化
怎麼讀結果
- 樹狀圖距離軸為合併距離，在「長段空白」處切一刀即為自然的群數
- 拖曳切割線可即時改變群數並重新著色
- 輪廓係數用於驗證所選群數是否合理
- 💡 與 K-Means 的差別：不需事先指定群數
A：Age／Height／Weight＋Z-score＋Euclidean／Ward；B：再加入 Sex／Location＋Gower／Average。兩者皆以 Name 顯示樣本並切成 K=5。
💡 建議 2–6 個變數，樣本 < 1000 筆，以維持瀏覽器流暢度。
🔎 若混合數值 + 類別，系統會自動改用 Gower 距離。
預設 p = 3。p=2 相當於 Euclidean，p=1 為 Manhattan。
⚠️ Ward / Centroid 僅在「全部為數值變數且距離為 Euclidean」時啟用，否則自動改為 Average。
系統會依 K 值更新切割線、PC1／PC2 群集地圖、群集輪廓與 Cluster Profile。
① 怎麼分？— 樹狀圖
姓名依實際樹序排列；虛線表示目前 K 的切割位置。
② 分群在空間中的樣子—PC1／PC2
這是無監督 PCA 群集地圖，不是事後的 Canonical Discriminant Plot。
③ 每一群有何特色？— Cluster Profile
平均值供精確查詢；高／中／低依群平均相對全體的 Z-score 判定。
查看群數比較與診斷圖
K=2–10 輪廓係數比較
目前 K 的各群輪廓係數
標準化資料熱圖
🛒 關聯規則 Apriori — 說明
這是什麼
從交易紀錄中找出「買了 A 的人也常買 B」這類同時發生的組合規則，是購物籃分析的標準方法。
什麼時候用
- 購物籃分析、交叉銷售與貨架陳列規劃
- 套餐、組合包的設計
- 製程或維修上「經常同時出現的異常組合」
需要什麼資料
- 需要交易 ID 與品項兩個欄位
- 資料須為長格式：同一筆交易佔多列，每列一個品項
- ⚠️ 品項種類過多或交易筆數過少時，不容易找到有意義的規則
怎麼讀結果
- ① Support 看規模：A 與 B 同時出現佔全部交易的比例；太低可能只是少數案例
- ② Confidence 看命中：買 A 的人中有多少也買 B；但 B 本來熱銷時可能虛高
- ③ Lift 看是否超越基準：Confidence ÷ P(B)；>1 為正向關聯、=1 近似獨立、<1 為負向關聯
- ④ 絕對提升看商業效果：Confidence − P(B)，回答「比一般顧客增加多少百分點」
⚠️ 不可只看 Confidence；關聯不等於因果，箭頭是推薦方向而非因果方向。從大量規則挑出的結論，正式應用前應用另一期間／門市或 holdout data 驗證。
用於區分不同交易
商品或項目名稱
預設 0.01 (1%)
預設 0 (顯示所有規則)
預設 0 (顯示所有規則)
❓ 參數說明
Support = P(A∩B)：項目組合在全部交易中出現的比例
Confidence = P(B|A)：買 A 的交易中同時買 B 的比例
Lift = P(B|A) ÷ P(B)：校正 B 原本的熱門程度
Absolute Uplift = P(B|A) − P(B)：相較基準增加的百分點