1. การวิเคราะห์ข้อมูลโดย WEKA

2. เปิดโปรแกรม WEKA แล้วกดที่ Explorer

3. เปิดไฟล์.csv ของกลุ่มเพื่อวิเคราะห์

4. ไปที่ Cluster ตรง Choose เลือก
SimpleKMeans จากนั้นกด Start

5. Running Information

6. แบ่ง 2 กลุ่ม

7. แบ่ง 3 กลุ่ม

8. แบ่ง 4 กลุ่ม

9. แบ่ง 5 กลุ่ม

10. แบ่ง 6 กลุ่ม

11. แบ่ง 7 กลุ่ม

12. แบ่ง 8 กลุ่ม

13. แบ่ง 9 กลุ่ม

14. แบ่ง 10 กลุ่ม
แบ่ง 5 กลุ่ม

15. แบ่ง 11 กลุ่ม

16. แบ่ง 12 กลุ่ม

17. แบ่ง 13 กลุ่ม

18. แบ่ง 14 กลุ่ม

19. แบ่ง 15 กลุ่ม

20. แบ่ง 16 กลุ่ม

21. แบ่ง 17 กลุ่ม

22. แบ่ง 18 กลุ่ม

23. แบ่ง 19 กลุ่ม

24. แบ่ง 20 กลุ่ม

25. Square error

26. การทา Associate Apriori
• ในการจะนาข้อมูลมาทา apriori จาเป็นจะต้องเปลี่ยน “f” ให้เป็น
“?” ให้หมดเสียก่อน เพื่อไม่ให้ข้อมูลเกิดผิดพลาดดังรูป

27. การทา Associate Apriori(ต่อ)
• นาข้อมูลที่แปลง “f” เป็น “?” แล้วมาวิเคราะห์ โดยให้ปรับค่าความ
เชื่อมั่น(minMetric)เป็น 0.4-0.5 เพราะข้อมูลที่ใช้วิเคราะห์มี
ความเหมือนน้อยจึงต้องใช้ค่าความเชื่อมั่นน้อยด้วยเพื่อให้ได้กฎออกมา

28. Associate Apriori

29. จาก Knee Curve = 10 จึงแบ่งกลุ่ม Cluster ใหม่
เป็น 10 กลุ่ม

30. numClusters = 10 (แบ่งเป็น 10 กลุ่ม)

31. ข้อมูลถูกแบ่งออกเป็น 10 กลุ่ม ตั้งแต่
Cluster0-Cluster9 และมี Instance = 62

32. ในแต่ละ Cluster เลือกเฉพาะข้อมูลที่เป็น “t” หรือที่เรา
ซื้อ จากนั้นไฮน์ไลท์Cluster ที่เป็นของเราซื้อ

33. อธิบาย Cluster ที่เป็นของเราซื้อ(ไฮน์ไลท์สีเหลือง)
แตกต่างกันอย่างไร
• ใน cluster3 จะเห็นว่ามีของกิน 4 อย่าง ที่ซื้อในร้านนี้ซึ่งทั้งหมด
(water,milk,yoghurt และ boil-egg) เป็นของกินเบาๆ ซึ่ง
จะซื้อในวันที่ไปเรียนเพราะส่วนตัวเป็นคนที่กินอาหารเช้าได้ไม่หนักมาก
จะกินเฉพาะของที่เบาๆท้อง นอกจากนี้ยังสังเกตุได้จากมีการซื้อปากกา
ด้วย
• ใน cluster6 จะเป็นการซื้อของในวันหยุด สังเกตุได้จากมีของกิน
มากกว่าปกติเพราะในวันหยุดโดยส่วนตัวบางครั้งจะไม่ชอบออกมาข้าง
นอกหลายรอบ จึงซื้อของกินมากๆเข้าไปเก็บไว้กินทั้งวัน