丹鳳捷運站公車的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

資料探勘應用於捷運房地產分群與預測

為了解決丹鳳捷運站公車的問題，作者高詮惟 這樣論述：

從民國85年捷運開通至今，捷運系統儼然成為台北、新北市民賴以為重的大眾交通運輸工具，捷運系統所經之處對房地產價格有著顯著影響。然而，即使捷運系統的經過確實會提升鄰近700公尺房地產房價有提升，有下列現象：鄰近於同一條捷運線中之各站點的房地產，皆有因為捷運系統經過而有增值漲幅之現象。即使各站點附近之捷運房地產皆有因捷運系統經過而有價格上之顯著變化。但是相同線上之不同站點有的漲幅程度高、有的漲幅程度卻較低。 經由上述現象，本研究以各捷運站點鄰近700公尺之房地產做為研究範圍，以資料探勘-決策樹演算法結合公車數、景點數、捷運轉運站、同線捷運數、捷運出口數、700M學校數、700M百貨公司數、

平均公司資本額、該區人口密度、公司數、刑事案件發生數、該區低收入戶數、該區老化指數、金融機構家數、毒品案件發生數、暴力犯罪案件數、700M醫院/診所數、醫院診所病床數、員警編制人數、派出所數、守望相助巡邏隊數、竊盜案件發生為輸入變數，並分別以近年來新捷運站線中和新蘆線之蘆洲站、三民高中站、徐匯中學站、三和國中站、三重國小站、迴龍站、丹鳳站、輔大站、新莊站、頭前庄站、先嗇宮站、三重站、菜寮站、台北橋站、大橋頭站、中山國小站、行天宮站、松江南京站、東門站之站點資料作為預測資料以作第一階段預測，淡水信義線之大安森林公園站、信義安和站、台北101/世貿站、象山站之站點資料作為預測資料以作第二階段預測，

松山新店線之北門站、台北小巨蛋、南京三民站、松山站之站點資料作為第三階段預測資料，第四階段預測則以所有捷運站點做建模並隨機取30%資料作為測試資料。結果顯示，第一階段預測之結果模型預測準確度以新北地區捷運站點資料預測為81.42%及以台北地區捷運站點資料預測為83.12%，以守望相助隊數作為最重要的屬性分支。第二階段決策樹計算預測之結果模型預測準確度80.77%，以守望相助隊數作為最重要的屬性分支。第三階段決策樹計算預測之結果模型預測準確度84.27%，以守望相助隊數作為最重要的屬性分支。第四階段決策樹計算預測之結果模型預測準確度86.40%，以金融機構數作為最重要的屬性分支，可見安全性與金融

機構數最為重要。