Project weka

1. การวิเคราะห์ข้อมูล
ด้วย Weka
Benjamas Duangden 55102011006

2. Clustering
เตรียมข้อมูลสำาหรับการ Clustering

3. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 2

4. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 3

5. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 4

6. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 5

7. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 6

8. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 7

9. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 8

10. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 9

11. Clustering
ตรง Cluster เลือก SimpleKMeans
numClusters = 10

12. Clustering
Knee Curve ที่ได้จากการ Clustering
Knee Curve อยู่ที่ 5

13. Classification
Healthy = good, bad
trainingTime =200
โดยใช้ MultilayerPerceptron
Result.arff

14. Classification
trainingTime =200

15. Classification
trainingTime =200

16. Classification
Healthy = good, bad
trainingTime =500
โดยใช้ MultilayerPerceptron
Result.arff

17. Classification
trainingTime =500

18. Classification
trainingTime =500

19. Association Rule โดยใช้
Apriori

20. Association Rule

21. Association Rule
Best rules found:
1. Ice-Cream=t 42 ==> Water=t 42 <conf:(1)> lift:
(2.56) lev:(0.2) [25] conv:(25.59)
2. Ice-Cream=t Sandwich=t 36 ==> Water=t 36 <conf:
(1)> lift:(2.56) lev:(0.17) [21] conv:(21.94)
3. Milk=t Ice-Cream=t 26 ==> Water=t 26 <conf:(1)>
lift:(2.56) lev:(0.12) [15] conv:(15.84)
4. Milk=t Ice-Cream=t Sandwich=t 23 ==> Water=t 23
<conf:(1)> lift:(2.56) lev:(0.11) [14] conv:(14.02)
5. TissuePaper=t Sandwich=t 14 ==> Water=t 14 <conf:
(1)> lift:(2.56) lev:(0.07) [8] conv:(8.53)
6. Milk=t Sandwich=t 27 ==> Water=t 26 <conf:
(0.96)> lift:(2.47) lev:(0.12) [15] conv:(8.23)
7. MoneyCard=t 25 ==> Bread=t 23 <conf:(0.92)> lift:
(3.27) lev:(0.12) [15] conv:(5.99)