16
Weka Project มมมมมมมมมมม มมมมมมมมมมมมมมม มมม มมมมมมมมมมม มมมมมมมมมมม มมมมมมมมมม 54102010350 CP463 Artificial Intelligence

Present weka project

  • Upload
    piyada

  • View
    33

  • Download
    1

Embed Size (px)

Citation preview

Page 1: Present weka project

Weka Project

มหาวิ�ทยาลัยศรี�นครี�นทรีวิ�โรีฒ คณะวิ�ทยาศาสตรี�

นางสาวิปิ�ยดา ปิ�ญจปิรีะการี54102010350

CP463 Artificial Intelligence

Page 2: Present weka project

วิตถุ�ปิรีะสงค�• เพื่"#อศ%กษาการีใช้)งานโปิรีแกรีม Weka

3.7 การี Classify

การี Cluster

การี Associate

ด)วิยข้)อม,ลัในใบรีบเสรี.จข้องสมาช้�กภายในกลั�0มจากรี)าน7-eleven

Page 3: Present weka project

การีเตรี�ยมข้)อม,ลั1. เก.บใบเสรี.จข้องตวิเองรีวิมกบเพื่"#อน

2. กรีอกข้)อม,ลัลัง ใน Excel แลัะแช้รี�

ลังใน Google Drive

3. ปิรีบข้)อม,ลัให) เหมาะกบ Weka

(.csv)

Page 4: Present weka project

• ข้)อม,ลัท1งหมด Relation: SevenProduct 52 Record 29 Attributes

การีเตรี�ยมข้)อม,ลั

Page 5: Present weka project

CLASSIFY

Page 6: Present weka project

• ข้)อม,ลัส2าหรีบ Train 45 record 29 Attributes

• ข้)อม,ลัส2าหรีบ Test 7 record 29 Attributes

การี Classify

โดยก2าหนดให)ทดสอบ Class Date

ใช้) Algorithm Back Propagation Neuron Network

(functions.MultilayerPerceptron) ในการี Train

Page 7: Present weka project

• ผลัสรี�ปิ Correctly Classified Instances 28 62.2222 % Incorrectly Classified Instances 19 37.7778 %

• ค0าควิามแม0นย2า แลัะค0าควิามถุ,กต)อง

ผลัจากการี Train

Precision Recall class

0.357 0.455 1to10

0.742 0.742 21to31

0.000 0.000 11to20

Page 8: Present weka project

ข้)อม,ลั Date จรี�ง ข้)อม,ลั Date จากTest

21to31 1to1021to31 21to3121to31 21to3121to31 21to311to10 21to3111to20 21to3111to20 21to31

ควิามถุ,กต)อง 42.8571 %

ผลัจากการี Test

Page 9: Present weka project

CLUSTER

Page 10: Present weka project

• ใช้)ข้)อม,ลั 52 Record 29 Attributes

• ใช้) Algorithm SimpleKMeans ในการี Cluster

การี Cluster

Page 11: Present weka project

จ2านวิน Cluster ท�#เหมาะสมท�#ส�ด ค"อ 19 เพื่รีาะค0า Squared

errors ในช้0วิงจ2านวิน Cluster ท�#เท0ากบ 19 ลั,0ลังมาก ท2าให)เก�ดKnee Curve แลัะสามารีถุแบ0งกลั�0มได)จ2านวินมากท�#ส�ด

ผลัจากการี Cluster

Page 12: Present weka project

จ2านวิน Cluster ท�#เหมาะสมท�#ส�ด ค"อ 19 น2ามาสรี)างตารีางแบ0ง ช้น�ดข้)อม,ลัตาม cluster ท�#แบ0งได) โดย Cluster ท�#ม�แถุบส�เหลั"องเปิ5น

cluster ท�#เปิ5นข้)อม,ลัข้องผ,)จดท2าเพื่�ยงคนเด�ยวิ จะได)ข้)อสงเกตท�# วิ0าข้)อม,ลัเปิ5นข้องคนๆเด�ยวิ ท2าไมสามารีถุแบ0งได)หลัาย cluster

การีวิ�เครีาะห� Clustering

Page 13: Present weka project

จากข้)อสงเกตหน)าท�#แลั)วิ จะเห.นวิ0าม�ข้)อม,ลัท�#แตกต0างกน อย,0 ซึ่%#งได)แก0 ช้0วิงวินท�#ซึ่"1อข้อง ช้0วิงเวิลัา แลัะสาข้า ท2าให)

แบ0งข้)อม,ลัออกได)หลัาย cluster

การีวิ�เครีาะห� Clustering

Page 14: Present weka project

ASSOCIATE

Page 15: Present weka project

• ข้)อม,ลัท�#ใช้) Relation: SevenProductOnly 52 Record 25 Attributes ( ม�ส�นค)าเท0าน1น ไม0ม�วินท�# เวิลัา สาข้า แลัะเพื่ศ)

• ใช้) Algorithm Apriori ในการี Associate

• ก2าหนดให)ค0า lowerBoundMinSupport = 0.06

แลัะค0า minMetric = 0.2

การี Associate

Page 16: Present weka project

Association Rule Confidence Lift

Bread=t 5 ==> DrinkingWater=t 3 0.6 2.6

CoconutJuice=t 7 ==> DrinkingWater=t 3 0.43 1.86

DrinkingWater=t 12 ==> CoconutJuice=t 3 0.25 1.86

DrinkingWater=t 12 ==> Bread=t 3 0.25 2.6

ผลัจากการี Associate

Best rules found