ธนาวัฒน์ บุญเกลี้ยง 54102010330 SC42 Artificial Intelligent

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

2. ข้อมูลที่นามาใช้

3. CLUSTER

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

5. เมื่อทาการแบ่ง 2 กลุ่ม

6. เมื่อทาการแบ่ง 4 กลุ่ม

7. เมื่อทาการแบ่ง 8 กลุ่ม

8. เมื่อทาการแบ่ง 12 กลุ่ม

9. เมื่อทาการแบ่ง 16 กลุ่ม

10. เมื่อทาการแบ่ง 20 กลุ่ม

11. เมื่อทาการแบ่ง 24 กลุ่ม

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

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

14. CLASSIFY

15. CLASSIFY
• ต้องการทานายว่าลูกค้าที่มาซื้อสิ้นค้าเล่นกีฬาหรือไม่

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

17. DATA DEPLOY
• Instances : 10
• Attributes : 22

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

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

20. 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)

21. ทาการแก้ไขไฟล์ ARFF โดยใช้ NOTEPAD++
1. ลบ ATTRIBUTE ที่ถูกเพิ่มเข้ามา

22. 2. นาข้อมูลจากไฟล์ CSV มาใส่ ARFF โดนลบข้อมูลออกก่อน

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

24. 4. นาข้อมูลจาก DEPLOY.csv ไปที่ไฟล์ DEPLOY.arff

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

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

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

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

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

30. ผลลัพธ์ที่ได้ มีความแม่นยา 100% แต่ก็ไม่แน่นอนเนื่องจากข้อมูลมีปริมาณน้อย

31. ASSOCIATE APRIORI

32. การเตรียมไฟล์
• จัดให้แถวแรกเป็นรายการสินค้าทั้งหมด
• ทาการแปลงเป็น .arff

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

34. 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)