�ݺ�ߣ

นายธนาวัฒน์ บุญเกลี้ยง 54102010330
สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์
มหาวิทยาลัยศรีนครินทรวิโรฒ
WEKA
7-11
CP463 : ARTIFICIAL INTELLIGENT

ข้อมูลที่นามาใช้

CLUSTER
• Instances : 41
• Attributes : 18
• Algorithm : Simple K Means

เมื่อทาการแบ่ง 2 กลุ่ม

RESULT
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20 25 30
sqError
Knee curve = 14

cluster0 แตกต่างจาก cluster7 คือ cluster0 มีซื้อไส้กรอก แฮมเบอเกอร์ และสบู่ ส่วน
cluster7 มีเต้าหู้และขนมต่างๆ ซื้อเต้าหู้ตอนดึกเนื่องจากพี่สาวข้าพเจ้ากลับดึกและต้องการทาอาหาร

CLASSIFY
• ต้องการทานายว่าลูกค้าที่มาซื้อสิ้นค้าเล่นกีฬาหรือไม่

DATA TRAIN
• Instances : 41
• Attributes : 22
• Class : sport
• Algorithm : Multilayer Perceptron
• Test Option Cross Validation Folds = 10

DATA DEPLOY
• Instances : 10
• Attributes : 22

การเตรียมไฟล์
นาไฟล์ข้อมูลมา 2 ไฟล์ ได้แก่
1. ไฟล์ customers มีทั้งหมด 41 records
2. ไฟล์ deploy โดยเลือก records จาก customers มา 10 records

ไฟล์ที่ใช้เป็นไฟล์ CSV 2 ไฟล์ คือ CUSTOMER.CSV และ DEPLOY.CSV โดยไฟล์ DEPLOY
ให้ตัด ข้อมูลของคอลัมน์ที่ต้องการทานายออก แล้วเพิ่ม ? เข้าไปแทน

ไฟล์ที่ใช้ในการทดสอบได้แก่ CUSTOMERS.ARFF และ DEPLOY.ARFF จากการแปลงจากไฟล์ CSV โดย
ใช้ ZEROR ผ่าน TEST OPTION : USE TRAINING SET แล้วเปิด VISUALIZE CLASSIFIER ERRORS
จากนั้นทาการ SAVE เป็น (.arff)

ทาการแก้ไขไฟล์ ARFF โดยใช้ NOTEPAD++
1. ลบ ATTRIBUTE ที่ถูกเพิ่มเข้ามา

2. นาข้อมูลจากไฟล์ CSV มาใส่ ARFF โดนลบข้อมูลออกก่อน

3.คัดลอก ATTRIBUTE จาก CUSTOMER.ARFF ไปยัง DEPLOY.ARFF

4. นาข้อมูลจาก DEPLOY.csv ไปที่ไฟล์ DEPLOY.arff

5.ทาการสร้างMODEL โดยเปิด CUSTOMER.ARFF ส่วนของ CLASSIFY>CHOOSE>FUNCTIONS>
MULTILAYER PERCEPTRON เลือก CROSS-VALIDATION FOLDS 10 กด START แล้วคลิกขวา
เพื่อ SAVE MODEL

6. เปิดไฟล์ CUSTOMER.ARFF ทาการ LOAD MODEL จากนั้นเลือก MODEL ที่ได้ SAVE ไว้
ก่อนหน้านี้

7. เลือก MULTILAYER PERCEPTRON แล้วเลือก SUPPLIED TEST SET จากนั้นเลือกไฟล์
DEPLOY.ARFF รวมถึง CLASS ที่ต้องการทานาย

8. จากนั้นคลิกขวาเลือก RE-EVALUATE MODEL ON CURRENT TEST SET แล้ว SAVE
เป็นไฟล์ ARFF ในที่นี้ต้องชื่อว่า RESULT.ARFF

9. เปิดไฟล์ที่ได้โดยเปิดจากหน้าแรกของ WEKA ไปที่ Tools> ArffViewer>เลือกเปิดไฟล์
ผลลัพธ์จากข้อ 8 สังเกตที่คอลัมเกือบสุดท้าย จะพบผลการทานาย

ผลลัพธ์ที่ได้ มีความแม่นยา 100% แต่ก็ไม่แน่นอน๶��Ȩ��่องจากข้อมูลมีปริมาณ�Ȩ��อย

การเตรียมไฟล์
• จัดให้แถวแรกเป็นรายการสินค้าทั้งหมด
• ทาการแปลงเป็น .arff

เปิดไฟล์ เลือก ASSOCIATE > APRIORI > NUM RULES = 10, MinMetric=0.1,
lowerBoundMinSupport 0.08 จะผลลัพธ์ทั้ง 10 กฎ พร้อมค่า LIFT ค่า

ผลลัพธ์กฎที่ได้
1. Sunbites_snack=t Pocky_Snack=t 3 ==> Snackjack_snack=t Arigato_snack=t 3 conf:(1) < lift:(13.67)> lev:(0.07) [2] conv:(2.78)
2. Snackjack_snack=t Pocky_Snack=t 3 ==> Sunbites_snack=t Arigato_snack=t 3 conf:(1) < lift:(13.67)> lev:(0.07) [2] conv:(2.78)
3. Sunbites_snack=t Arigato_snack=t 3 ==> Snackjack_snack=t Pocky_Snack=t 3 conf:(1) < lift:(13.67)> lev:(0.07) [2] conv:(2.78)
4. Snackjack_snack=t Arigato_snack=t 3 ==> Sunbites_snack=t Pocky_Snack=t 3 conf:(1) < lift:(13.67)> lev:(0.07) [2] conv:(2.78)
5. Pocky_Snack=t 4 ==> Sunbites_snack=t Arigato_snack=t 3 conf:(0.75) < lift:(10.25)> lev:(0.07) [2] conv:(1.85)
6. Sunbites_snack=t Pocky_Snack=t 3 ==> Arigato_snack=t 3 conf:(1) < lift:(10.25)> lev:(0.07) [2] conv:(2.71)
7. Arigato_snack=t 4 ==> Sunbites_snack=t Pocky_Snack=t 3 conf:(0.75) < lift:(10.25)> lev:(0.07) [2] conv:(1.85)
8. Sunbites_snack=t Arigato_snack=t 3 ==> Pocky_Snack=t 3 conf:(1) < lift:(10.25)> lev:(0.07) [2] conv:(2.71)
9. Pocky_Snack=t 4 ==> Snackjack_snack=t Arigato_snack=t 3 conf:(0.75) < lift:(10.25)> lev:(0.07) [2] conv:(1.85)
10. Snackjack_snack=t Pocky_Snack=t 3 ==> Arigato_snack=t 3 conf:(1) < lift:(10.25)> lev:(0.07) [2] conv:(2.71)

�ݺ�ߣ

54102010330weka edited

More Related Content

54102010330weka edited