本研究旨在暸解台灣師大本部游泳會員之組成結構，運用資料探勘中的鑑別分析、類神經網路、多元適應性雲形迴歸以及整合類神經網路與多元適應性雲形迴歸等分類技術建構台灣師大游泳會員流失區別模型，並瞭解會員流失的重要特徵。
台灣師大本部游泳會員資料經整理後，共2,707筆，在剔除內容不合之資料後，共計2,380筆。本研究結果如下：
一、會員組成結構如下：(一)男(49.87%)、女(50.13%)會員幾近相等；(二)會員類型以自由會員(55.63%)稍多；(三)大部分會員居住在大安中正兩區(79.12%)；(四)會員平均年齡為32.15歲且年齡的分佈平均沒有特別集中的現象；(五)會員平均會齡為0.69年且大量集中在二年以下(93.66%)；(六)沒有折扣會員(95.80%)佔大多數；(七)繳費金額以4,500元(42.86%)最多；(八)購買季節以夏季(49.66 %)居多；(九)會員使用時段以不受限制的任何時段(56.64%)最多。
二、整合類神經網路與多元適應性雲形迴歸分析模型的整體分類績效最高，為84.03 %。整合模式成功地建構台灣師大本部游泳會員流失區別模型。
三、台灣師大本部游泳會員流失的重要特徵為會齡在1年以下、繳費金額為2,500元、購買季節在夏季的一般類型會員。
有鑑於此，台灣師大游泳池管理單位可就分析的結果轉為會員維繫方案，達到降低會員流失的目的。

The purpose of this study was to provide the realization of member constitutive structure in National Taiwan Normal University(NTNU) main campus swimming pool, and the member churn model of NTNU main campus swimming pool was established by data mining classification technology including discriminant analysis, artificial neural networks, multivariate adaptive regression splines, combining artificial neural networks and multivariate adaptive regression splines, and the important characteristics of member churn were also emphasized.
After reorganizing the data of NTNU main campus swimming members, 2,707 records were chosen as original data. After deleting the unreasonable data, totally, there were 2,380 records discussed in this study. The research results were as follows:
1. The constitutive structure of members indicated that: (1) Male members (49.87%) and female members (50.13%) were almost even; (2) Free type members were slightly more (55.63%); (3) The most members were the residents of Da-an and Zhongzheng district (79.12%); (4) The average age of members was 32.15-year- old and distributed evenly without specially centralized phenomenon; (5) The average participation period of members was 0.69 year and mostly centralized on 2 years below (93.66%); (6) No discount members were at major (95.80%); (7) 4,500 NTdollars of member fee was at most (42.86%); (8) Enrollment membership in summer season was at major (49.66%); (9) Any time interval without time limitation was at most (56.64%).
2. Combining artificial neural networks and multivariate adaptive regression splines implied the best whole correct classification rate, 84.03%. The integrated approach successfully constructs the member churn model of NTNU main campus swimming pool.
3. The important characteristics of NTNU main campus swimming member churn were participation period below 1 year, the member fee of 2,500 NT dollars, membership enrollment in summer, and general members.
Base on this, NTNU swimming pool administration deparment may transfer the results to the plan of maintaining members in order to decrease member churn.

一、中文部份
ARC遠擎管理顧問公司(民90)。顧客關係管理深度解析。台北：作者。
IBM(民86)。資料採挖 ─ 找出隱藏在你的資料中的寶藏。資訊傳真，256，頁42。
中華民國大專院校體育總會(民86)。運動場館之使用與管理。大專體育簡訊。台北：作者。
丁玉成(民89)。臺灣區銀行信用評等之模式研究 ─ 以BankWatch 評等為基礎的實證研究。國立臺灣大學商學研究所博士論文。
方上鵬(民89)。自有品牌商品需求預測模式。台中：東海大學工業工程學系碩士論文。
方信淵(民87)。公立大學游泳池對外開放顧客滿意度之比較研究 ─ 以臺灣師大、清大為例。台北：國立臺灣師範大學體育學系碩士論文。
王正雄(民92)：應用遺傳規劃法在顧客流失模式之研究 ─ 以直銷化妝品業為例。台北：輔仁大學資訊管理學系在職專班碩士論文。
王秀育(民92)。資料探勘於電信業客戶流失管理之應用。嘉義：國立中正大學資訊管理學系碩士論文。
王傑賢(民86)。室內溫水游泳池之消費者行為研究 ─ 以國立台灣師範大學本部室內溫水游泳池為例。台大體育學報，1，頁383-414。

田文政(民83)。學校運動場地開放措施與管理問題之研究。中華民國大專院83年度體學術研討會專刊，頁49-69。
呂奇傑(民90)。演化式類神經網路分類技術於資料探勘上之應用。台北：輔仁大學應用統計研究所碩士論文。
沈艷雪(民91)。校務基金績效評估 ─ 以某大學個案為例。台南：國立成功大學會計學系碩博士班碩士論文。
李修宇(民90)。以資料萃取技術探索天氣、污染、氣喘病發作的關連性—以類神經網路BPN模型為例。嘉義：南華大學資訊管理學系碩士論文。
李昇暾(民89)。以資料採礦深化顧客關係管理。電子化企業經理人報告eBusiness Executive Report，7，頁37-42。
佐藤知恭(民91)。顧客忠誠經營 ─ 超越CS顧客滿意的服務行銷管理(蕭宏誠)。台北：羿慧文化。
周慶華(民90)。整合基因演算法及類神經網路於現貨開盤指數之預測－以新加坡交易所摩根台股指數期貨為例。台北：輔仁大學金融研究所碩士論文。
吳孟賢(民89)。以全球資訊網為基礎之ERP資料探勘整合系統。新竹：國立交通大學資訊管理研究所碩士論文。
吳坤泉(民91)。行動電話顧客流失行為探討。台南：國立成功大學高階管理碩士在職專班碩士論文。
吳明隆(民89)。SPSS 統計應用實務2版。台北：松崗電腦圖書資料股份有限公司。
吳佩珊(民91)。資料倉儲技術於電子商務環境下顧客關係管理之研究。高雄:義守大學資訊工程學系碩士論文。
邱義堂(民90)。通信資料庫之資料探勘：客戶流失預測之研究。國立中山大學資訊管理學系研究所碩士論文。
林傑斌、劉明德(民91)：SPSS11.0與統計模式建構。台北：文魁資訊股份有限公司。
柳靜慧(民92)。顧客流失預警模型之研究 ─ 以電信產業為例。台北：輔仁大學資訊管理學系在職專班碩士論文。
施致平(民89)。從邏輯斯諦迴歸(Logistic Regression)論運動參與之預測。體育學報，27，頁21-30。
施柏屹(民89)。倒傳遞類神經網路學習收斂之初步探討。桃園：國立中央大學機械工程研究所碩士論文。
紀志霖(民89)。應用人口特質差異提高電子郵件廣告效果之機制。台中：逢甲大學企業管理研究所碩士論文。
唐筱菁(民91)。整合財務比率與智慧資本指標建構企業危機預警系統－ MARS與類神經網路之應用。台北：輔仁大學金融研究所碩士論文。
高教簡訊(民83)。八十二至八十五學年度十二所國立大學中程校務發計劃綜合報告國立大學中程計劃特刊。台北：教育部高等教育司。
孫顯鋒(民89)。校務基金制度實施後國立大學校院運動場館經營管理因應策略之研究。桃園：國立體育學院體育研究所碩士論文。
夏載(民90)。剖析資料採礦在顧客關係管理中的應用。電子化企業經理人報告eBusiness Executive Report，20，頁71-75。
宮政達(民90)。顧客關係管理系統設計與實作 ─ 保留分析。淡江大學資訊工程學系碩士班碩士論文。
黃立維(民92)。使用隨機助推法的投影可加性迴歸弧線建立複雜模型。台中：東海大學統計學系碩士論文。
黃正鳳(民91)。整合類神經網路與多元適應性雲形迴歸於資料探勘分類模式之應用。台北：輔仁大學應用統計研究所碩士論文。
黃明輝(民91)。資料探勘在財務領域的運用-以債券型基金之績效評估為例。台北：輔仁大學金融研究所碩士論文。
許峻源(民90)。類神經網路與MARS 於資料探勘分類模式之應用。台北：輔仁大學應用統計研究所碩士論文。
許家榮(民91)。消費者選擇游泳池之考量因素與泳池價格彈性之研究。桃園：國立台灣體育學院體育研究所碩士論文。
許哲瑋(民92)。資料挖掘與統計方法應用於資料庫行銷之實證研究 ─ 以美妝保養品業為例。台北：國立台北大學企業管理學系碩士論文。
陳文華(民88)。應用資料倉儲系統建立CRM。資訊與電腦，226 期，頁122-127。
陳怡妃(民92)。資料探勘顧客保留分類模式之建構 ─ 以健康休閒俱樂部為例。台北：輔仁大學管理學研究所博士論文。
陳怡萍(民91)。整合財務指標與智慧資本指標衡量企業經營績效 ─以台灣地區IC產業為例。台北：輔仁大學金融研究所碩士論文。
陳靖惠(民83)。半導體產業晶圓需求預測之研究 ─ 類神經網路模型。新竹：國立交通大學資訊管理研究所碩士論文。
陳靜怡(民92)。整合類神經網路與多元適應性迴歸於失業率預測。台北：輔仁大學管理學研究所碩士論文。
陳致平(民84)。新世紀企業競爭利器 ─ 資料倉庫。資訊傳真，381，頁24。
施柏屹(民90)。倒傳遞類神經網路學習收斂之初步探討。桃園：國立中央大學機械工程研究所碩士論文。
陳瑞龍(民90)。運用類神經網路於醫院實施服務品質管理之研究 ─以花蓮地區醫院為例。花蓮：國立東華大學企業管理學系碩士論文。
陳慧瀅(民83)。臺灣地區汽車市場需求預測之實證：無母數雲狀迴歸加法性模型之應用。桃園：國立中央大學產業經濟研究所碩士論文。
陳麒文(民91)。健康休閒俱樂部顧客流失分析模式之研究。台北：輔仁大學體育學系碩士班碩士論文。
郭茂隆(民91)。國立大學校務基金自籌經費之研究。台北：國立台北大學企業管理學系碩士論文。
張紹勳，張紹評，林秀娟(民89)。多變量統計分析。台北：松崗電腦圖書資料股份有限公司。
葉怡成(民91)。類神經網路模式應用與實作。台北：儒林圖書有限公司。
葉素美(民91)。運用類神經網路與多元適應性雲形迴歸於匯率預測之研究。台北：輔仁大學應用統計研究所碩士論文。
廖尹華(民86)。臺灣地區大專院校運動場地設施開放與經營管理考量因素之研究。台北：國立臺灣師範大學體育研究所碩士論文。
蔡永恆(民89)。應用資料挖掘技術研究銀行顧客消費行為。台中：靜宜大學資訊管理學系碩士班碩士論文。
蔡明憲(民91)。以混合式資料探勘技術強化客戶保留之工作。台北：國立台灣科技大學電子工程學系碩士論文。
駱至中、林錦昌(民91)。以民意調查資料的智慧型分析看資料探勘於政治學研究之運用。第二屆「政治與資訊」學術研討會。台北：國家政策研究基金會與佛光人文社會學院。92年11月10取自http://www.npf.org.tw/PUBLICATION/IA/091/IA-R-091-047. htm
謝邦昌(民90)。資料採礦入門及應用 ─ 從統計技術看資料採礦。台北：資商訊息股份有限公司。
謝文雄(民91)。以資料探勘探討顧客消費之行為。雲林:雲林科技大學資訊管理學系碩士論文。
數博網(民90)。歹年冬資料採礦度小月。動腦雜誌，304，頁44-46。
顏毓靜(民91)。股票型基金之績效評估 ─ 類神經網路及多元適應性雲形迴歸二階段分類模式之應用。台北：輔仁大學應用統計研究所碩士論文。
羅家德(民90)。網際網路關係行銷。台北：聯經出版社。

二、英文部份
Berry, Micheal J. A., & Linoff, Gordon S. (1997). Data mining techniques – for marketing, sales, and customer support. New York：John Wiley & Sons.
Berry, Micheal J. A., & Linoff, Gordon S. (民86)。資料採礦Data mining ─ 顧客關係管理暨電子行銷資應用(彭文正)。台北：數博網資訊股份有限公司出版。
Berry, Micheal J. A., & Linoff, Gordon S. (民90)。資料挖掘理論與實務 ─ 顧客關係管理的技巧與科學(吳旭智、賴淑貞)。台北：維科圖書。
Berson, A., Smith, S., & Thearling, K. (2000). Building data mining applications for CRM. New York: McGraw-Hill.
Bolton, Ruth N. (1998). A dynamic model of the duration of the customer’s relationship with a continuous service provider: The role of satisfaction. Marketing Science, 17(1), 45-65.
Bose, S. (1996). Classification using splines. Computational Statistics & Data Analysis, 22, 505-525.
Brown, S. A. (2000). Customer relationship management: a strategic im- perative in the world of e-Business. New York: John Wiley & Sons.
Davies, P. C. (1994). Design issues in neural network development. Neuro Vest Journal, 5(1), 21-25.
Desai, V. S., Crook, J. N. & Overstreet, Jr. G. A. (1996). A comparison of neural networks and linear scoring models in the credit union environment. European Journal of Operational Research, 95, 24- 37.
De Gooijer, J. G., Ray, B. K., & Krager, H. (1998). Forecasting exchange rates using TSMARS. Journal of International Money and Finance, 17(3), 513-534.
De Veaux R. D., Gordon, A. L., Comiso, J. C., & Bacherer, N. E. (1993). Modeling of topographic effects on antarctic sea ice using multivariate adaptive regression splines. Journal of Geophysical Research, 98(C11), 20307-20319.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996a). From data mining to knowledge discovery in databases. AI Mag., 17, 37-54.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996b). The KDD process for extracting useful knowledge from volumesof data. Communications of the ACM, 39, 27-34.
Frawley, W. J., Sharpiro, G. P., & Matheus, C. J.(1991). Knowledge discovery in database: An overview. Shapiro G. P., & Frawley, W. J.(Eds.), Knowledge Discovery in Database(pp.1-30). California, AAAI/MIT Press, Menlo Park.
Friedman, J. H. (1991). Multivariate adaptive regression splines (with discussion). Annals of Statistics, 19(1), 1-141.
Friedman, J. H., & Roosen, C. B. (1995). An introduction to multivariate adaptive regression splines. Statistical Methods in Medical Research, 4, 197-217.
Ganesh, Jaishankar Mark J. Arnold & Kristy E. Reynolds (2000). Understanding the customer base of service providers: An examination of differences between switchers and stayers. Journal of Marketing, 64, 65~87.
Gerpott, Torsten J., Wolfgang Rams, & Andreas Schindler (2001). Customer retention, loyalty, and satisfaction in the German Mobile Cellular Telecommunications market. Telecommunications Policy, 25, 249-269.
Griffin, W. L., Fisher, N. I., Friedman, J. H., & Ryan, C. G.(1997). Statistical techniques for the classification of chromites in diamond exploration samples. Journal of Geochemical Exploration, 59, 233-249.
Hall, C. (1995). The devil's in the details: techniques, tools, and applica- tions for database mining and knowledge discovery － part II. Intelligent Software Strategies , 6(9), 1-16.
Hush, D. R., Salas, J. M., &Horne, B. G. (1992). Error surfaces for multilayer perceptrons. IEEE Transactions on Systems, Man and Cyybernetics, 22(5).
Inmon, W. H., Hackathorn, R. D. (1994). Using the data warehouse, New York：John Wiley & Sons.
Jobson, D. J., (1992). Applied multivariate data analysis volume II: Cate- gorical and multivariate metbods. New York: Springer-Verlag.
Jason, Weir. (1998). Data mining: Exploring the corporate asset. Infor- mation Systems Management.
Jain, A. K., Mao, J., & Mohiuddin, K. (1996). Artificial neural network: A tutorial computer, IEEE computer, 29, 31-44.
Keaveney, Susan M. (1995). Customer switching in service industries: An exploratory study. Journal of Marketing, 59 , 71-82.
Kim, J. C., Kim, D. H., Kim, J. J., Ye, J. S., & Lee, H.S. (2000). Segmenting the Korean housing market using multiple discriminant analysis. Construction Management and Economics, 18, 45-54.
Kotler, P. (1994). Marketing management: Analysis, planning, implement- tation and control (8th ed.), New Jersey: Prentice Hall.
Lipmann, R. P. (1987). An introduction to computing with neural nets. IEEE ASSP Magazin, April, 4-22.

Nguyen-Cong, V., Dang, G. V., & Rode, B. M. (1996). Using multivariate adaptive regression splines to QSAR studies of dihydroartemisinin derivatives. Eur. J Med. Chem., 31(10), 797-803.
McCulloch, W. S., & Pitts, W. (1943). A logical calculus of ideas immanentin nervous activity. Bull. Mathematical Biophysics, 5, 115-133.
Salford System(2000). MARS V2.0-for windows 95/98/NT. San Diego. CA: Salford System..
SPSS Inc. (2001). SPSS 2002 – Statistic modeling for windows 95/98/2000/NT/XP. Chicago: SPSS Inc.
Strouse, Karen G (1999). Marketing telecommunications services new approaches for a changing environment. Boston : Artech House.
Tacq, J. (1997). Multivariate analysis techniques in social science research. London: SAGE.
Vellido, A., Lisboa, P. J. G., & Vaughan, J. (1999). Neural networks inbusiness: A survey of applications (1992-1998). Expert Systems WithApplications, 17, 51-70.
Vesta Services (1998). Qnet97 - Neural network modeling for windows 95/98/NT. Winnetka, IL: Vesta Services, Inc.
Zeithaml,Valarie A., Berry, Leonard L., & Parasuraman, A. (1996). The behavioral consequences of service qualitying, Journal of Market- ing, 60, 31-46.
Zhang, G., Patuwo, B. E., & Hu, M. Y. (1998). Forecasting with artificial neural networks: the state of the art. International Journal of Forecasting, 14, 35-62.