1. Hathairat
Ketmaneechairat
336331DATA MINING
Weka Introducing

2. What is Weka?
Waikato Environment for Knowledge Analysis
Since 1997 by Waikato University, New Zealand
Opensource software used for data analysis by data
mining techniques
The system is written in JAVA and distributed
under the terms of the GNU General Public License
It runs on any platform
 Linux, Windows, Mac OS, PDA

3. How do we get?
http://www.cs.waikato.ac.nz/ml/weka
Free Weka tutorial on Web and book

4. Starting Weka
Weka’s GUI

5. Explorer เป็นโปรแกรมที่ออกแบบในลักษณะ GUI หรือ
การประมวลผลเหมืองข้อมูลด้วยวิธีการ (Method) และอัล
กอริทึม ต่าง ๆ
Experimenter เป็นโปรแกรมที่ออกแบบการทดลองและ
การทดสอบผล
KnowledgeFlow เป็นโปรแกรมออกแบบผังการไหลของ
ความรู้
Simple CLI (Command Line Interface) เป็น
โปรแกรมรับค่าสั่งการทำางานผ่านการพิมพ์
ArffViewer เป็นโปรแกรมที่ใช้สำาหรับแก้ไขแฟ้มประเภท
Arff (Tool)
Log เป็นโปรแกรมที่ใช้อ่านข้อความบันทึกเก็บระหว่างการ

6. Weka Explorer
Tab สำาหรับการเรียกใช้
งาน
Workspace
Status Bar
Main menu

7. Weka Explorer
Preprocessing - การเตรียมข้อมูล
Classify – รวมโมดูลการทำาเหมืองข้อมูลแบบจัดแบ่ง
ประเภทข้อมูล
Cluster – รวมโมดูลการทำาเหมืองข้อมูลแบบจัดกลุ่ม
Associate – รวมโมดูลการทำาเหมืองข้อมูลแบบกฎความ
สัมพันธ์ของข้อมูล
Select Attributes - รวมโมดูลสำาหรับให้ผู้ใช้งาน
สามารถกำาหนด Attribute ได้ด้วยตนเอง
Visualization – การนำาเสนอข้อมูลด้วยภาพนามธรรม
สองมิติ

8. หลักการใช้ Explorer ใน Weka

9. Knowledge Flow Application
ส่วนของ Knowledge Flow Application เป็นการ
ทำางานที่มีหน้าตาคล้ายคลึงกับความสัมพันธ์ระหว่าง
ตารางในฐานข้อมูล
แต่ Knowledge Flow ในโปรแกรม Weka นั้นจะแสดง
ภาพของการเชื่อมโยงของข้อมูลและส่วนอื่น ๆ ซึ่งทำาให้
ทราบถึงขั้นตอนการทำางานในแต่ละขั้นตอน

10. Knowledge Flow Application

11. Simple CLI
การทำางานของ Simple CLI หรือ Simple Command
Line นั้นเป็นการทำางานแบบผู้ใช้งานจะต้องพิมพ์คำาสั่ง
เอง ซึ่งเป็นการทำางานคล้ายคลึงกับการสั่งผ่าน GUI ใน
Explorer ดังนั้นหากผู้ใช้ที่ไม่ทราบคำาสั่ง (Shell) ของ
Weka ก็สามารถใช้งาน Explorer ได้เช่นกัน

12. Simple CLI

13. ข้อดีของซอฟต์แวร์วีก้า
 เป็นซอฟต์แวร์เสรีที่สามารถดาวน์โหลดได้ฟรี
 สามารถทางานได้ทุกระบบปฏิบัติการ
 เชื่อมต่อ SQL Database โดยใช้ Java Database
Connectivity
 มีการเตรียมข้อมูลและเทคนิคในการสร้างแบบจาลองที่
ครอบคลุม
 มีลักษณะที่ง่ายต่อการใช้งาน
สรุปข้อดีของโปรแกรม WEKA คือ มีอัลกอริทึมที่รู้จักกันดี
ของการทาดาต้าไมน์นิ่งให้เลือกใช้อย่างครบถ้วน และ

14. ความสามารถของซอฟต์แวร์วีก้า
สนับสนุนเกี่ยวกับการทาเหมืองข้อมูล (Data Mining)
 การเตรียมข้อมูล (Data Preprocessing)
 การทาเหมืองข้อมูลด้วยเทคนิคการจาแนกข้อมูล
(Classification)
 การทาเหมืองข้อมูลด้วยเทคนิคการจัดกลุ่ม
(Clustering)
 การทาเหมืองข้อมูลด้วยเทคนิคการวิเคราะห์ความ
สัมพันธ์ (Associating)
 เทคนิคการคัดเลือกข้อมูล (Selecting Attributes)
 เทคนิคการนำาเสนอข้อมูลด้วยรูปภาพ (Visualization)

15. ส่วนประกอบพื้นฐาน
Data set หมายถึง ข้อมูลที่จะนามาทาเหมืองข้อมูล อาจ
จะอยู่ในรูปแบบของไฟล์ข้อความ ตาราง ไฟล์ที่พร้อมจะ
ทา preprocessing เช่น .arff , csv เป็นต้น
Relation หมายถึง ชื่อของ data set ที่มีอยู่ ซึ่งการใช้
งานโปรแกรมมักจะอ้างอิงชื่อ relation ว่าเป็นชื่อของ
แหล่งข้อมูลนั้น ๆ ลักษณะคล้ายกับชื่อของตารางในระบบ
ฐานข้อมูล
Attritbute หมายถึง ส่วนประกอบย่อยภายใน relation
หรืออาจจะรู้จักกันในชื่อ field ในระบบฐานข้อมูล
Instance หมายถึง รายการภายใน relation หรืออาจ
จะรู้จักกันในชื่อของ record ในระบบฐานข้อมูล

16. Preparing the data
ข้อมูล
 Instance
 Attribute
การโหลดข้อมูลเข้าไปในโปรแกรม Weka
 ไฟล์ CSV (Comma-Separated Value)
 ไฟล์ ARFF (Attribute-Relation File Format)
 ฐานข้อมูล
Data Preprocessing with Weka
 แปลงข้อมูลที่เป็นตัวเลขให้เป็นช่วง
 เพิ่มข้อมูลที่ขาดหาย
 ค้นหาข้อมูล Outliers

17. Ex: Customer Data
ใช้ข้อมูลเกี่ยวกับลูกค้าซึ่งประกอบไปด้วยข้อมูลดังต่อไปนี้
หมายเล
ขสมาชิก
ชื่อสมาชิก เพศ อายุ รายได้
1 สมชัย ชาย 25 12,000
2 สมพร หญิง 18 7,000
3 สมอารี หญิง 35 35,000
4 สมสุภาพ เด็ก 15 4,000
5 สมศรี หญิง 300 20,000
Instance :
ใช้สำาหรับ
แสดงข้อมูล
แต่ละคน
Attribute : ใช้สำาหรับคุณลักษณะต่าง
ๆ ของข้อมูล

18. Ex: Customer Data
ประเภทข้อมูลในแต่ละ Attribute
 Numeric
 ข้อมูลที่เป็นตัวเลข
 ค่าวัดเชิงปริมาณ
 ได้แก่ attribute หมายเลขสมาชิก อายุ และรายได้
 Non-numeric หรือ Categorical
 ข้อมูลประเภทต่าง ๆ
 ไม่มีลำาดับก่อนหลัง
 ได้แก่ attribute ชื่อสมาชิก และเพศ

19. Ex: Customer Data
การนำาเข้าข้อมูลในโปรแกรม Weka
Open file :นำาเข้าไฟล์ CSV หรือ ARFF ที่ได้
จัดเตรียมไว้แล้ว
Open URL : นำาเข้าไฟล์ CSV หรือ ARFF ผ่าน
เครือข่าย
Open DB : ดึงข้อมูลจากฐานข้อมูล
Generate : สร้างข้อมูลตัวอย่าง เพื่อใช้ในการ
ทดสอบ โดยการระบุจำานวน instances และ

20. Ex: Customer Data
รู้จักไฟล์ CSV (Comma-Separated Value)
 ใช้เครื่องหมาย Comma (,) แบ่งระหว่าง attribute
 สามารถใช้ Excel ในการสร้างไฟล์ CSV (เลือก Save เป็น
CSV Format)
ไฟล์ข้อมูลใน Excel
ไฟล์ข้อมูลในรูปแบบ CSV
***ทดลองสร้าง CSV ตาม
ตัวอย่าง

21. Ex: Customer Data
รู้จักไฟล์ ARFF (Attribute-Relation File Format)
 เป็นไฟล์ที่ Weka กำำหนดขึ้นเอง
 แบ่งเป็น 2 ส่วน
 ส่วน Header: เป็นส่วนแสดงรำยละเอียดต่ำง ๆ
 ชื่อของชุดข้อมูล (relation)
 ชื่อของแต่ละ attribute
 ประเภทของข้อมูลในแต่ละ attribute (data type)
 ส่วน Data: เป็นส่วนของข้อมูลในแต่ละ attribute ที่
ต้องกำรใช้ในกำรวิเครำะห์

22. Ex: Customer Data
Tag พิเศษที่มีในส่วน header ในไฟล์ ARFF
 @relation <relation-name>
 ใช้ในกำรบอกชื่อเรียกของชุดข้อมูล
 @attribute <attribute-name> <data type>
 ใช้ในกำรบอกชื่อ attribute และชนิดของข้อมูล
Tag พิเศษที่มีในส่วน Data ในไฟล์ ARFF
 @data
 หมำยควำมว่ำ บรรทัดต่อไปจำกนี้จะเป็นส่วนของข้อมูล
โดยใช้เครื่องหมำย comma คั่นระหว่ำง attribute
ส่วนที่นำำหน้ำด้วย % หมำยถึง กำรคอมเมนท์ภำยในไฟล์ไม่มี
ผลต่อกำรทำงำน

23. Ex: Customer Data

24. Ex: Customer Data
ประเภทข้อมูลในแต่ละ attribute
 ข้อมูลที่เป็นตัวเลข
 จำำนวนเต็ม และจำำนวนจริง
 ใช้ keyword numeric
 ข้อมูลที่ไม่ใช่ตัวเลข (nominal) ที่ไม่มีลำำดับ หรือไม่
สำมำรถบอกปริมำณได้
 เช่น ชื่อคน สิ่งของ สถำนที่ เพศ
 มักระบุค่ำที่เป็นไปได้ทั้งหมดในรูปแบบของ set เช่น
set {0,1,2} เป็นต้น


25. Ex: Weather Data
ใช้ข้อมูลชื่อ weather.arff
อยู่ใน C:Program
FilesWeka-3-6data
เป็นข้อมูลสภำพอำกำศมีผล
ต่อกำรแข่งขันเบสบอลใน
อเมริกำ
เก็บข้อมูลสภำพอำกำศย้อน
หลัง 14 วัน
ที่มำ
http://www.theweather
prediction.com/habyhi

26. Ex: Weather Data
ใช้ข้อมูลชื่อ weather.arff
อยู่ใน C:Program
FilesWeka-3-6data
เป็นข้อมูลสภำพอำกำศมีผล
ต่อกำรแข่งขันเบสบอลใน
อเมริกำ
เก็บข้อมูลสภำพอำกำศย้อน
หลัง 14 วัน
เปิด weather.arff ด้วย
editor
ที่มำ

27. Ex: Weather Data
 เปิด Weka เลือก Explorer -> กดปุ่ม Open file -> เลือกไฟล์ weather.arff
แถบเมนู ปุ่มโหลด
ฟิลเตอร์
elation ที่โหลดเข้ำมำ
Attribute ของ relation
กำำหนด class
กรำฟ
สถำนะกำรทำำงำน

28. Ex: Weather Data
ส่วนที่สำำคัญของ Preprocess คือเมนู Filter
 แปลงข้อมูล เนื่องจำกบำงเทคนิคทำำงำนได้เฉพำะข้อมูล
ที่เป็น nominal เท่ำนั้น
 Discretize: แปลงข้อมูลตัวเลข (numeric or real)
ให้เป็นข้อมูลประเภท (nominal)
 StringToNominal: แปลงข้อมูลที่เป็นลักษณะ
ข้อควำม (string) ให้เป็นข้อมูลลักษณะประเภท
(nominal) แก้ไขข้อมูลที่ผิดพลำด
 แก้ไขข้อมูลที่ผิดพลำด
 ReplaceMissingValue: เพิ่มข้อมูลที่ขำดหำยไป
 กำรค้นหำ Outliers

29. Ex: Weather Data
Discretization : แปลงข้อมูลตัวเลข (numeric
or real) ใหเป็นข้อมูลประเภท (nominal)
Discretize

30. Ex: Weather Data
Missing Value
 ข้อมูลบำงส่วนหำยไป
อำจเกิดจำก
 ควำมผิดพลำดในกำรก
รอกข้อมูล
 ควำมจงใจในกำรให้
ข้อมูลจริง
 ข้อมูลไม่น่ำเชื่อถือในกำร
วิเครำะห์หรือทำำนำย
 จำกตัวอย่ำง Customer
มีตัวอย่ำงใดไม่น่ำเชือ่ถือ
หมำย
เลข
สมำชิ
ก
ชื่อ
สมำชิก
เพศ อำยุ รำย
ได้
1 สมชัย ชำย 25 12,00
0
2 สมพร หญิ
ง
18 7,000
3 สมอำรี หญิ
ง
35 35,00
0
4 สมสุภำพ เด็ก 15 4,000
5 สมศรี หญิ 300 20,00

31. Ex: Weather Data
การ Replace missing value
ใช้เครื่องหมาย ? แทนข้อมูลที่หายไปหรือข้อมูลที่
ต้องการให้มีการ replace
ถ้าข้อมูลเป็นตัวเลข แทนที่ด้วย ค่าเฉลี่ย (mean)
ของค่าใน attribute นั้น ๆ
ถ้าข้อมูลเป็นประเภท แทนที่ด้วย ข้อมูลที่ปรากฏ
บ่อยที่สุด (mode) ใน attribute นั้น ๆ

32. Ex: Weather Data
การ Replace missing value
หมายเ
ลข
สมาชิก
ชื่อ
สมาชิก
เพศ อายุ รายได้
1 สมชัย ชาย 25 12,00
0
2 สมพร หญิง 18 7,000
3 สมอารี หญิง 35 35,00
0
4 สมสุภาพ ? 15 4,000
5 สมศรี หญิง ? 20,00
0

33. Ex: Weather Data
การ Replace missing value
หมายเ
ลข
สมาชิก
ชื่อ
สมาชิก
เพศ อายุ รายได้
1 สมชัย ชาย 25 12,00
0
2 สมพร หญิง 18 7,000
3 สมอารี หญิง 35 35,00
0
4 สมสุภาพ หญิง 15 4,000
5 สมศรี หญิง 22.2
5
20,00
0

34. Ex: Weather Data
ทดลองทำาโดยการแก้ไฟล์ CustomerData.arff
Save ไฟล์ในชื่อ CustomerData_wmissing.arff
กดปุ่ม Choose -> filters->unsupervised-
>attribute->ReplaceMissingValues แล้วกดปุ่ม
Apply

35. Ex: Weather Data
Detect Outlier
 Outlier คือข้อมูลที่มีความผิดปกติที่แปลกแยกจากข้อมูล
ส่วนใหญ่ อาจจะถือว่าเป็นข้อมูลจริงหรือ noise ก็ได้
 ใช้วิธีที่เรียกว่า Interquartile range (IQR)
 ทดลองการใช้ outlier จากไฟล์
customer_outlier.arff
 Edit ดูข้อมูลก่อน
 ก่อนทำา outlier ควรลบข้อมูลที่ไม่เกี่ยวข้องออก ในที่นี้
คือ attribute Customer_ID และ Name
 กดปุ่ม Choose -> filters->unsupervised-
>attribute->InterquartileRange แล้วกดปุ่ม Apply

36. Memory Error
ซอฟต์แวร์ Weka จะทำาการอ่านข้อมูล ทั้งหมด เข้าไปเก็บ
ไว้ในหน่วยความจำา (memory) ภายในเครื่องก่อน แล้วจึง
นำาข้อมูลเหล่านี้ไปประมวลผลต่อไป
อาจเกิด error ได้ เนื่องจากหน่วยความจำาไม่พอ
การคำานวณขนาดของหน่วยความจำาที่ต้องใช้ คำานวณได้
จาก
Approx_mem = number of attributes * number of
instances * 8
ตัวอย่างเช่น ข้อมูล 10,000,000 instances มี 10
attributes จะต้องใช้หน่วยความจำา
= 10,000,000*10*8 = 800,000,000 = 800 MB

37. Memory Error
ให้ทำาการสร้างข้อมูลตัวอย่าง โดยการกดปุ่ม Gernerate…
 เลือก numExamples เป็น 1,000,000 แล้วกดปุ่ม Gernerate
เม้าส์ Click เพื่อแก้ไข parameters

38. Memory Error
จะปรากฎหน้าต่างดังนี้

39. Memory Error
ทำาการเพิ่มขนาดโดยการแก้ไขในไฟล์
C:Program FilesWeka-3-6RunWeka.ini
ทำาการเปลี่ยน maxheap ให้มากขึ้น แต่ไม่เกินขนาดของหน่วย
ความจำาภายในเครื่อง