核心觀念

本題考查來源關聯式資料庫的結構缺陷，如何向後影響資料倉儲、OLAP 與資料探勘。答題重點不是只寫「資料錯誤」，而是要說明：

1. 缺少候選鍵會造成資料列無法被唯一識別。
2. 未達第三正規化會造成插入異常、更新異常、刪除異常與資料重複。
3. 這些缺陷經由 ETL 載入資料倉儲後，會進一步影響彙總、分析結果與探勘模型。

本題不涉及特定法條，應以資料庫理論與資料分析流程作答。

---

一、重要定義

1. 候選鍵（Candidate Key）

候選鍵是能唯一識別關聯中每一筆資料列的最小屬性集合，必須同時具備：

• 唯一性：不同資料列的候選鍵值不可相同。
• 最小性：刪除其中任一屬性後，就不再具有唯一識別能力。

候選鍵可選出一組作為主鍵（Primary Key），其餘候選鍵則通常以 UNIQUE 約束維護。

例如：

案件編號	報案日期	報案人身分證字號	案件類別
A001	115/01/03	A123456789	竊盜

若案件編號可唯一識別案件，則 案件編號 可作為候選鍵。若同一報案人同一天只能有一件案件，則「報案人身分證字號＋報案日期」也可能構成候選鍵。

2. 第三正規化（Third Normal Form, 3NF）

關係模式達到第三正規化，通常須符合：

• 已達第一正規化：欄位值為不可再分割的原子值。
• 已達第二正規化：非鍵屬性完全相依於整個候選鍵，不得只相依於複合鍵的一部分。
• 已達第三正規化：非鍵屬性不得透過另一個非鍵屬性間接相依於候選鍵。

以函數相依表示，若有：

$$A \rightarrow B$$

表示屬性 $A$ 的值可以決定屬性 $B$ 的值。

第三正規化的核心條件是：對每一個非平凡函數相依 $X \rightarrow A$，$X$ 必須是超鍵，或 $A$ 必須是主屬性。

例如：

$$案件編號 \rightarrow 警察機關代碼$$

且：

$$警察機關代碼 \rightarrow 警察機關名稱$$

因此形成：

$$案件編號 \rightarrow 警察機關代碼 \rightarrow 警察機關名稱$$

其中「警察機關名稱」透過「警察機關代碼」間接依賴案件編號，屬於傳遞相依，未達 3NF。

---

二、解題方法

本題可採取「來源缺陷 → ETL 載入 → 分析結果」的方式作答：

1. 先自訂一個具有鍵值或正規化缺陷的警政資料表。
2. 說明該缺陷在資料倉儲建立階段如何造成資料整合問題。
3. 說明同一缺陷在 OLAP 彙總、切片、鑽研時如何造成錯誤。
4. 說明同一缺陷在資料探勘的特徵、標籤、樣本與規則上如何造成錯誤。
5. 最後提出修正方式，顯示對問題根源已有完整掌握。

---

三、建立資料倉儲時造成的問題

例一：缺少候選鍵，導致事實資料重複與度量值膨脹

假設來源資料表如下：

原始案件表 案件

案件編號	報案人	案件類別	發生地區	損失金額
A001	王○○	竊盜	臺北市	50,000
A001	王○○	竊盜	臺北市	50,000

實際上 案件編號 應是候選鍵，但來源資料庫沒有設定主鍵或唯一性限制，因此同一案件被重複輸入。

建立資料倉儲時，ETL 若直接將每一列載入案件事實表，便會形成兩筆相同事實。日後計算竊盜案件損失金額時：

$$50,000 + 50,000 = 100,000$$

實際損失應為 $50,000$，結果卻被放大為 $100,000$。

此問題會造成：

• 案件數量被高估。
• 犯罪損失金額被重複累計。
• 同一案件在不同維度組合下重複出現。
• 使用來源系統案件總數與資料倉儲核對時無法平衡。

修正方式

建立資料倉儲前，應先執行資料剖析與去重：

1. 確認案件的業務鍵為 案件編號。
2. 檢查同一案件編號是否對應多筆資料。
3. 判斷重複列是誤輸入、歷史版本，還是同一案件的不同事件。
4. 在事實表中明確定義粒度，例如「一案件一筆」或「一案件事件一筆」。
5. 對案件編號建立唯一性約束，必要時另設資料倉儲代理鍵。

---

例二：未達 3NF，造成維度資料不一致

假設來源表 案件資料 同時儲存案件與機關資訊：

案件編號	機關代碼	機關名稱	機關所在地
A001	P01	臺北市政府警察局	臺北市
A002	P01	臺北市政府警察局	臺北市
A003	P01	臺北市警察局	臺北市

其函數相依為：

$$機關代碼 \rightarrow 機關名稱、機關所在地$$

但機關代碼並不是案件表的候選鍵，且機關名稱在不同案件中出現不同版本。因此：

• 同一機關被建立成多個名稱。
• ETL 依機關名稱建立機關維度時，會誤認為是不同機關。
• 依機關名稱彙總案件數時，同一機關被拆成兩個群組。
• 機關所在地與機關名稱之間產生不一致。

例如，實際上 P01 機關有 100 件案件，但資料倉儲中被拆成：

機關名稱	案件數
臺北市政府警察局	70
臺北市警察局	30

分析人員若未辨識兩者屬於同一機關，便會得到錯誤的機關排名。

修正方式

將資料拆成：

案件：

案件編號	機關代碼
A001	P01

警察機關：

機關代碼	機關名稱	機關所在地
P01	臺北市政府警察局	臺北市

如此可使機關資料集中管理，避免同一機關名稱在案件資料中重複出現。

---

例三：未達 3NF，造成 ETL 連接與歷史追蹤錯誤

假設來源表如下：

案件編號	犯罪類別代碼	犯罪類別名稱	犯罪大類
A001	T01	汽車竊盜	財產犯罪
A002	T01	汽車竊盜	財產犯罪
A003	T01	車輛竊盜	財產犯罪

理論上：

$$犯罪類別代碼 \rightarrow 犯罪類別名稱、犯罪大類$$

但案件表直接重複存放犯罪分類內容，會造成：

• 相同代碼出現多個名稱。
• 以代碼連接犯罪分類維度時產生一對多連接。
• ETL 連接後，一筆案件被展開成多筆。
• 以犯罪大類彙總時，案件數與損失金額被重複計算。
• 分類標準修改後，歷史資料的分類意義不一致。

因此，資料倉儲建置前必須明確確認業務鍵、資料粒度、代碼對應關係與歷史版本規則。

---

四、操作 OLAP 時造成的問題

OLAP 主要透過多維度資料進行：

• 切片（Slice）
• 切塊（Dice）
• 向上彙總（Roll-up）
• 向下鑽研（Drill-down）
• 旋轉（Pivot）

OLAP 的結果高度依賴維度鍵與事實表粒度。來源資料缺陷會使彙總結果失真。

例一：重複案件造成案件數與金額重複計算

假設案件事實表的粒度是「一案件一筆」，但因來源缺少候選鍵，案件 A001 被載入兩次：

案件編號	年度	縣市	犯罪類型	損失金額
A001	115	臺北市	竊盜	50,000
A001	115	臺北市	竊盜	50,000

執行下列 OLAP 查詢：

• 維度：年度、縣市、犯罪類型
• 度量：案件數、損失金額

結果為：

$$案件數 = 2$$ $$損失金額 = 100,000$$

但正確結果應為：

$$案件數 = 1$$ $$損失金額 = 50,000$$

此錯誤會影響犯罪熱點排序、年度比較、警力配置與績效評估。

值得注意的是，使用 COUNT(DISTINCT 案件編號) 只能修正案件數，無法自動修正損失金額；若金額事實重複載入，仍須先清理資料或依正確粒度重建事實表。

---

例二：維度名稱不一致，造成彙總分裂

延續機關資料未達 3NF 的例子，若機關代碼 P01 對應兩種名稱：

機關代碼	機關名稱
P01	臺北市政府警察局
P01	臺北市警察局

核心觀念

本題考查分類模型的混淆矩陣（Confusion Matrix）及其評估指標：

• $TP$：實際為詐騙，預測為詐騙
• $FN$：實際為詐騙，預測為非詐騙
• $FP$：實際為非詐騙，預測為詐騙
• $TN$：實際為非詐騙，預測為非詐騙

已知：

$$TP=2000,\quad FP=150,\quad FN=2100,\quad TN=5750$$

總資料筆數為：

$$TP+FP+FN+TN=2000+150+2100+5750=10000$$

實際詐騙郵件數：

$$TP+FN=2000+2100=4100$$

實際非詐騙郵件數：

$$FP+TN=150+5750=5900$$

模型預測為詐騙的筆數：

$$TP+FP=2000+150=2150$$

模型預測為非詐騙的筆數：

$$FN+TN=2100+5750=7850$$

本題為計算與申論題，沒有選擇題選項，因此無逐一選項分析。

解題方法

先依照各指標的分母判斷其意義，再代入混淆矩陣數值計算：

• 準確率：全部資料中預測正確的比例
• 精確率：模型判斷為詐騙者，其中真正詐騙的比例
• 召回率：所有真正詐騙郵件中，被模型找出的比例
• 特異度：所有真正非詐騙郵件中，被模型正確排除的比例
• $F1$ 分數：精確率與召回率的調和平均數

（一）五項指標計算

1. 準確率（Accuracy）

準確率表示模型整體判斷正確的比例：

$$Accuracy=\frac{TP+TN}{TP+TN+FP+FN}$$

代入數值：

$$Accuracy=\frac{2000+5750}{10000} =\frac{7750}{10000} =0.7750$$

因此：

$$\boxed{Accuracy=77.50\%}$$

2. 精確率（Precision）

精確率表示模型預測為詐騙的郵件中，實際確為詐騙的比例：

$$Precision=\frac{TP}{TP+FP}$$

代入數值：

$$Precision=\frac{2000}{2000+150} =\frac{2000}{2150} \approx 0.9302$$

因此：

$$\boxed{Precision=93.02\%}$$

此數值也表示模型所標示的詐騙郵件，大約有 $93.02\%$ 確實是詐騙。

3. 召回率（Recall）

召回率又稱敏感度（Sensitivity），表示所有真正詐騙郵件中，被模型正確辨識出的比例：

$$Recall=\frac{TP}{TP+FN}$$

代入數值：

$$Recall=\frac{2000}{2000+2100} =\frac{2000}{4100} \approx 0.4878$$

因此：

$$\boxed{Recall=48.78\%}$$

表示真正的 $4100$ 筆詐騙郵件中，模型只成功找出 $2000$ 筆，仍漏掉：

$$FN=2100$$

漏判比例為：

$$\frac{FN}{TP+FN} =\frac{2100}{4100} \approx 51.22\%$$

4. 特異度（Specificity）

特異度表示所有真正非詐騙郵件中，被模型正確判斷為非詐騙的比例：

$$Specificity=\frac{TN}{TN+FP}$$

代入數值：

$$Specificity=\frac{5750}{5750+150} =\frac{5750}{5900} \approx 0.9746$$

因此：

$$\boxed{Specificity=97.46\%}$$

表示真正的非詐騙郵件中，有 $97.46\%$ 被模型正確排除，誤判為詐騙的比例為：

$$\frac{FP}{TN+FP} =\frac{150}{5900} \approx 2.54\%$$

5. $F1$ 分數（F1 Score）

$F1$ 分數是精確率與召回率的調和平均數，用來同時衡量誤報與漏報：

$$F1=2\times\frac{Precision\times Recall}{Precision+Recall}$$

亦可直接由混淆矩陣計算：

$$F1=\frac{2TP}{2TP+FP+FN}$$

代入數值：

$$F1=\frac{2(2000)}{2(2000)+150+2100}$$ $$F1=\frac{4000}{6250}=0.64$$

因此：

$$\boxed{F1=64.00\%}$$

計算結果整理

指標	公式	數值
準確率（Accuracy）	$\frac{TP+TN}{TP+TN+FP+FN}$	$77.50\%$
精確率（Precision）	$\frac{TP}{TP+FP}$	$93.02\%$
召回率（Recall）	$\frac{TP}{TP+FN}$	$48.78\%$
特異度（Specificity）	$\frac{TN}{TN+FP}$	$97.46\%$
$F1$ 分數	$2\frac{Precision\cdot Recall}{Precision+Recall}$	$64.00\%$

（二）模型效力判定

此模型不能單純判定為良好，應評定為「誤報控制良好，但漏掉大量詐騙郵件，整體辨識效力有限」。

理由如下：

1. 精確率高：

$$Precision=93.02\%$$

模型判定為詐騙的郵件，大多數確實為詐騙，表示誤報數量不多。

2. 特異度高：

$$Specificity=97.46\%$$

一、核心觀念

本題考查的是「以資料探勘支援犯罪偵查與犯罪預防」的完整專案規劃能力，重點不在單一演算法，而在於能否依序完成：

1. 問題定義
2. 資料蒐集與整合
3. 資料前處理
4. 探勘規則與模型建立
5. 模型評估與實務驗證
6. 導入警政或司法決策
7. 持續監控與修正

題目中的「人格特徵與行為模式」包含兩種不同資料探勘目標：

• 人格或個人特徵：年齡層、教育程度、職業、家庭狀況、生活型態、前科紀錄等。
• 行為模式：犯案時間、地點、侵入方式、目標選擇、交通工具、銷贓方式、共犯關係及再次犯案情形等。

必須注意，資料探勘所得是「統計關聯」或「風險指標」，不能直接推論某人具有犯罪人格，也不能僅憑模型結果作成定罪或強制處分決定。

本題涉及個人資料及司法警察業務，應以命題當年（民國 115 年）法規為準，並遵守《個人資料保護法》、刑事訴訟法、警察職權行使法及相關警察資料管理規範。資料蒐集須符合特定目的、必要範圍、比例原則、目的外利用限制、權限控管及保存期限要求。現行法如有後續修正，解題仍以民國 115 年命題時法規為準。

---

二、專案目標與研究問題

（一）專案總目標

建立一套「慣竊犯罪分析資料探勘系統」，分析慣竊者之人口特徵、生活背景、犯案方式與時空行為，找出具有實務價值的模式，以協助：

• 慣竊案件串聯
• 犯罪熱點預防
• 破案嫌疑人排序
• 竊盜案件偵查方向研判
• 再犯風險管理
• 警力與巡邏資源配置

（二）具體研究問題

可以將問題拆成下列數類：

1. 哪些人口及生活特徵常與慣竊行為同時出現？
2. 慣竊案件是否存在固定的犯案時間、地點及目標？
3. 哪些犯案手法經常共同出現？
4. 不同慣竊者是否具有不同犯罪類型？
5. 哪些案件可能屬於同一犯罪者或同一犯罪集團？
6. 哪些因素與再次犯案或短期內連續犯案有關？
7. 哪些地區、時段或場所具有較高竊盜風險？

---

三、資料蒐集與資料庫設計

（一）犯罪案件資料

每一筆案件可建立下列欄位：

• 案件編號、報案時間、發生時間及發現時間
• 犯罪地點、行政區、經緯度及場所類型
• 被害人及被害場所類型
• 被竊物品、財物價值
• 侵入方式，例如撬鎖、破壞門窗、使用鑰匙或未鎖門進入
• 犯案工具
• 犯案時段、星期、月份及節假日
• 是否夜間、是否連續犯案
• 監視器、指紋、DNA、足跡及其他鑑識結果
• 是否有共犯
• 案件是否偵破、起訴、判決及定罪結果

（二）犯罪嫌疑人及判決資料

應以合法取得且具有必要性的資料為限，包括：

• 年齡、性別、居住區域等基本資料
• 工作及居住穩定程度
• 前科種類、前科次數及前次犯案時間
• 過去竊盜案件的犯案手法
• 毒品、賭博、暴力或其他相關犯罪紀錄
• 犯罪間隔時間
• 是否有共犯或固定犯罪網絡
• 判決結果、假釋、緩刑或更生相關資料
• 再犯或未再犯結果

人格資料必須採取嚴格限制。心理測驗、精神醫療及家庭資料等高度敏感資訊，不宜任意蒐集；若無明確法律依據、業務必要性及適當保護措施，不應納入模型。

（三）地理與環境資料

• 道路、巷弄及交通節點
• 住宅區、商業區、工業區及學校分布
• 監視器位置
• 距離警察機關、捷運站、火車站及主要道路的距離
• 建築物型態、門窗結構及照明情形
• 區域人口密度、商家密度及空屋分布
• 過去各類竊盜案件熱點

（四）外部輔助資料

• 天候、日照及節假日資料
• 特定活動或人流資料
• 交通流量
• 失竊物品流向或二手交易資料
• 報案與受理時間資料

外部資料必須經過合法取得、來源確認及品質檢查，不得因資料容易取得就任意納入。

---

四、資料探勘專案流程

第一步：問題定義與研究範圍

先明確界定：

• 研究對象是已經確認的慣竊者，或所有尚未確認的疑似案件
• 分析期間，例如近五年或近十年
• 分析地域，例如全國、縣市或分局轄區
• 研究目的為案件串聯、預防、再犯預測或警力配置
• 成功標準為破案率提升、串案正確率提升、誤報率下降或巡邏資源配置改善

「預測誰會犯罪」與「分析已發生案件的規律」是不同問題，應先區分，避免將偵查分析誤用為對一般民眾的全面監控。

第二步：資料蒐集與整合

將刑案系統、報案系統、鑑識系統、判決資料、地理資訊系統及外部環境資料，以案件編號、人物編號、時間及地點等鍵值進行整合。

資料整合時應注意：

• 同一人可能有不同姓名或資料格式
• 同一案件可能有多次報案或補充紀錄
• 案發時間可能只有區間而非精確時間
• 地址可能存在簡寫、舊地名或不同座標
• 未破案件不應直接視為沒有犯罪人
• 判決資料與警察初步嫌疑資料必須分開標記

第三步：資料前處理

資料前處理包括：

1. 缺失值處理

例如案發時間不完整時，可分為凌晨、白天、晚間等區間；不得將缺失值直接當成「沒有該特徵」。

2. 異常值處理

檢查不合理的年齡、日期、座標、財物價值及案件時間順序。

3. 去除重複資料

避免同一案件重複計算，導致某些地點或犯案手法被錯誤放大。

4. 資料轉換

將資料轉換為模型可使用的特徵，例如：

• 案發時間轉為「凌晨、白天、晚間」
• 地址轉為經緯度或行政區
• 犯案地點轉為住宅、商業場所或交通節點
• 犯案間隔轉為天數
• 前科紀錄轉為次數及類型

5. 去識別化

分析階段可使用代碼取代姓名、身分證字號及住址等直接識別資料，並將明碼資料與分析資料分開保存。

6. 資料分割

若要建立預測模型，可將資料分為訓練集、驗證集及測試集。例如以較早期間作訓練資料，以較新期間作測試資料，避免僅以隨機切割造成時間資訊洩漏。

---

五、應找出的各類規則與採用技術

（一）人格及生活特徵群集

研究目的

找出慣竊者是否存在不同類型，例如：

• 年輕、流動性高、以住宅竊盜為主者
• 具有固定生活區域、熟悉社區環境者
• 具有毒品或其他財產犯罪紀錄者
• 以特定物品為主要目標者
• 具有共犯合作或組織性行為者

使用技術

可使用：

• 分群分析：K-means、階層式分群、DBSCAN
• 主成分分析：降低變數維度，找出主要特徵構面
• 關聯規則分析：找出特徵經常共同出現的組合

分群分析的基本概念是，讓同一群內的個體相似度高，不同群之間的差異大。例如以年齡、前科次數、犯案地點數量、犯案時段及犯罪間隔等變數進行分群。

分群結果不是法律上的人格分類，也不能直接稱為「犯罪人格」，而應表述為「資料中呈現的行為與背景類型」。

---

（二）犯案時間與地點模式

研究目的

找出：

• 慣竊高發生時段
• 特定星期或月份
• 特定行政區或街廓
• 從居住地到犯案地點的距離
• 犯案地點是否沿交通路線分布
• 犯罪熱點是否隨時間移動

使用技術

可使用：

• GIS 地理資訊系統
• 空間群聚分析
• 熱點分析
• 時間序列分析
• 時空群聚分析
• 核密度估計
• 空間自相關分析

例如，將案件依經緯度及發生時間建立時空資料，再觀察某一熱點是否集中於特定時段。若某地點長期案件數偏高，可能是固定犯罪熱點；若案件位置依時間逐步移動，則可能呈現流動型犯案模式。

必須區分「案件數多」與「犯罪風險高」。人口數、住戶數、商家數及報案率均會影響案件數，因此可使用標準化風險：

$$\text{犯罪率}=\frac{\text{案件數}}{\text{暴露人口或場所數}}\times 1000$$

單純以案件總數製作熱點，可能將人口密集地區誤判為高風險地區。

---

（三）犯案手法與物品的關聯規則

研究目的

找出下列規則：

• 某種侵入方式是否經常伴隨某類場所
• 某種工具是否常與某種目標物共同出現
• 特定時段是否常出現特定犯案手法
• 某類被竊物是否與特定銷贓管道有關

使用技術：關聯規則

可使用 Apriori 或 FP-Growth 演算法。

假設交易資料以每一案件的特徵集合表示，例如：

$$\{\text{夜間},\text{住宅},\text{撬鎖},\text{竊取現金}\}$$

若產生規則：

$$\{\text{夜間},\text{住宅}\}\Rightarrow\{\text{撬鎖}\}$$

則可用下列指標評估：

1. 支持度

$$\text{Support}(X\Rightarrow Y) =P(X\cup Y)$$

表示同時包含 $X$ 與 $Y$ 的案件比例。

2. 信賴度

$$\text{Confidence}(X\Rightarrow Y) =P(Y\mid X) =\frac{P(X\cup Y)}{P(X)}$$

表示在具備 $X$ 的案件中，同時具備 $Y$ 的比例。

3. 提升度

$$\text{Lift}(X\Rightarrow Y) =\frac{P(Y\mid X)}{P(Y)}$$

判斷 $X$ 與 $Y$ 的關聯程度：

• Lift $>1$：正向關聯
• Lift $=1$：近似獨立
• Lift $<1$：負向關聯

核心觀念

本題表面上是「委外資料探勘」，實質考查的是：如何將犯罪資料分析需求轉化為一份可執行、可驗收、合法且具鑑識可信度的招標需求規範（Request for Proposal, RFP）。

本案目的不是利用資料探勘直接「認定某人是慣竊」，而是從合法取得的案件資料中，分析慣竊案件所呈現的：

1. 人格或背景特徵之統計關聯；
2. 犯罪地點、時間、工具、進入方式等行為模式；
3. 重複犯案、共犯、案件間關聯；
4. 可供司法警察研判與資源配置使用的風險線索。

資料探勘可採用的主要方法包括：

• 分群分析（Clustering）：將案件或犯罪人依相似特徵分成不同類型。
• 分類分析（Classification）：依既有標籤建立分類模型，例如預測案件是否具有慣竊特徵。
• 關聯規則（Association Rules）：找出特徵間的共同出現關係。
• 序列分析（Sequential Pattern Mining）：分析犯案行為、地點或時間的先後順序。
• 異常偵測（Anomaly Detection）：找出與一般案件模式顯著不同的案件。
• 社會網絡分析（Social Network Analysis）：分析犯罪人、共犯、地點、物品及案件間的關聯。

惟資料探勘發現的是「統計關聯」而非必然因果，也不能將模型輸出直接等同於犯罪事實或人格診斷。

---

解題方法

本題適合採用「需求目標—資料治理—分析方法—驗證評估—安全法遵—交付驗收」六層架構作答。

RFP應特別著重下列核心規範。

---

一、明確界定計畫目標與使用範圍

RFP首先應說明本案目的，例如：

• 建立慣竊案件之特徵資料庫；
• 分析慣竊犯罪人的犯案時間、地點、目標、工具及進入方式；
• 辨識不同型態的慣竊犯罪群組；
• 建立案件關聯與重複犯案研判機制；
• 提供偵查方向、警力部署及犯罪預防參考。

同時必須明定：

• 系統僅供案件分析、偵查輔助及犯罪預防使用；
• 不得單獨以模型結果認定特定人犯罪；
• 不得將統計推論直接作為定罪、羈押、搜索或其他強制處分的唯一依據；
• 模型輸出須由具權責之司法人員或司法警察人工審查。

此項規範可避免將資料探勘系統誤用為「自動定罪系統」，也是RFP中最重要的目的限制。

---

二、明定資料範圍、資料來源與資料字典

RFP應詳細列出可使用的資料來源，包括：

• 案件基本資料；
• 犯案日期與時間；
• 犯案地點及地理座標；
• 被害人及財物類型；
• 侵入方式、破壞方式與使用工具；
• 失竊物品；
• 現場跡證與影像資料；
• 犯罪人或嫌疑人之案件關聯資料；
• 前科、再犯及案件處理結果；
• 共犯、交通工具、通聯或金流資料，但須以合法授權及必要範圍為限。

應要求廠商製作完整的資料字典（Data Dictionary），說明：

• 欄位名稱與定義；
• 資料型態；
• 編碼規則；
• 資料來源；
• 更新頻率；
• 缺漏值與異常值處理方式；
• 欄位是否屬個人資料或敏感性資料；
• 欄位可否作為模型特徵使用。

資料字典可避免同一欄位在不同單位中有不同意義，亦可提高後續模型重現性。

---

三、規範資料前處理與資料品質管理

犯罪資料通常具有缺漏、重複、錯誤、格式不一致及標籤不完整等問題，RFP應要求廠商提出資料品質處理方案，至少包括：

1. 資料清理：處理重複案件、錯誤日期、無效座標及不合理值。
2. 缺漏值處理：說明刪除、補值或保留缺漏標記的條件。
3. 資料整合：統一不同警察機關、地方法院或資料庫的編碼。
4. 實體辨識（Entity Resolution）：判斷不同資料中的同一人、同一地點或同一案件。
5. 資料去識別化：以代碼、雜湊、遮罩或分離儲存降低個人識別風險。
6. 資料版本管理：記錄每次匯入、修改及重新訓練的資料版本。
7. 標籤品質控管：說明「慣竊」之定義、標籤來源及人工覆核機制。

若資料標籤本身錯誤，模型即使達到高準確率，也可能只是複製既有錯誤。因此，RFP應要求廠商提出標籤建立及抽樣查核程序。

---

四、明定「慣竊」之業務定義與分析單位

RFP不可只寫「分析慣竊人格特徵」，必須先定義分析對象。

例如應說明：

• 慣竊案件依何種法令、業務規則或機關標準認定；
• 是以犯罪人、案件、被害地點，或案件群組作為分析單位；
• 同一犯罪人多次犯案如何處理；
• 尚未判決案件是否納入訓練資料；
• 已撤銷、誤列或證據不足案件如何標記；
• 如何區分慣竊、偶發竊盜、侵入住宅竊盜及其他財產犯罪。

分析單位不同，結論也會不同。例如：

• 以「案件」為單位，適合分析犯案時間、地點與手法；
• 以「犯罪人」為單位，適合分析重複犯案與行為歷程；
• 以「案件群組」為單位，適合分析是否由同一人或同一犯罪團體所為。

---

五、規範人格特徵與行為特徵的使用原則

（一）人格特徵應採客觀、可驗證資料

「人格特徵」容易涉及心理診斷與標籤化，RFP應限制廠商不得僅憑：

• 年齡；
• 性別；
• 居住地；
• 教育程度；
• 職業；
• 家庭狀況；
• 社經地位；
• 種族、宗教或其他身分特徵，

直接推論某人具有犯罪人格。

較妥適的做法是將分析重點放在可由案件資料驗證的行為與歷程，例如：

• 犯案頻率；
• 犯案間隔；
• 目標選擇；
• 犯案時段；
• 入侵方式；
• 使用工具；
• 是否具有偵查反制行為；
• 是否有固定逃逸路線；
• 是否具有共犯關係；
• 是否在特定情境下重複犯案。

（二）行為模式應優先於抽象人格推論

RFP可要求廠商建立「行為特徵向量」，例如：

$$X=(t,l,m,tg,w,c,r)$$

其中：

• $t$：犯案時間；
• $l$：地點與地理位置；
• $m$：犯案手法；
• $tg$：犯罪目標；
• $w$：使用工具；
• $c$：共犯或關聯關係；
• $r$：重複犯案或再犯特徵。

透過此類客觀欄位，可進行分群、分類及案件關聯分析，降低主觀人格標籤造成的偏誤。

---

六、要求廠商提出適當的資料探勘方法

RFP不宜只要求廠商「導入AI」或「使用大數據」，而應要求其說明方法與適用情境。

1. 分群分析

使用案件特徵將慣竊案件分為不同型態，例如：

• 夜間住宅型；
• 商業場所型；
• 特定工具破壞型；
• 特定地理區域型；
• 高流動性連續犯案型。

廠商應說明分群方法、距離函數、群數決定方式及群組解釋方法。例如K-means可最小化群內平方距離：

$$\min \sum_{k=1}^{K}\sum_{x_i\in C_k}\lVert x_i-\mu_k\rVert^2$$

但RFP也應要求廠商說明K值的選定依據，不能只由系統任意指定。

2. 分類模型

若要研判新案件是否具有慣竊模式，可使用決策樹、羅吉斯迴歸、隨機森林或其他分類模型。

RFP應要求呈現：

• 混淆矩陣；
• 準確率（Accuracy）；
• 精確率（Precision）；
• 召回率（Recall）；
• F1值；
• ROC-AUC；
• 假陽性及假陰性數量。

重要公式如下：

$$Precision=\frac{TP}{TP+FP}$$ $$Recall=\frac{TP}{TP+FN}$$ $$F1=2\times\frac{Precision\times Recall}{Precision+Recall}$$

慣竊偵查若過度追求召回率，可能產生大量誤報；若過度追求精確率，則可能漏掉重要案件。因此，RFP應要求廠商依實際偵查目的說明指標取捨。

3. 關聯與序列分析

可分析下列關聯：

• 特定犯案時段與特定場所類型的關聯；
• 特定工具與特定入侵方式的關聯；
• 多起案件在時間、地點及手法上的連續關係；
• 犯罪人、共犯、地點及失竊物品間的網絡關係。

分析結果應以可讀方式呈現，並附上支持度、信賴度或其他統計依據，不得只輸出沒有解釋的分數。

---

七、要求模型具有可解釋性與可追溯性

司法及治安用途不可接受完全無法說明理由的黑箱結論。RFP應規範：