1. WEKA : CLASSIFICATION

2. เนื้อหา
 การทาเหมืองข้อมูลจัดจาแนกประเภท Classification
 การเตรียมข้อมูลสาหรับการจัดจาแนกประเภท
 การเลือกต้นไม้การตัดสินใจ
 ผลลัพธ์ที่ได้โดยใช้ ID3 ซึ่งไม่ใช่ลักษณะประจาที่เป็นค่าต่อเนื่อง
 ผลลัพธ์ที่ได้โดยใช้ J48 ซึ่งใช้ได้กับลักษณะประจาที่ต่อเนื่องและไม่ต่อเนื่อง

3.  Predicted target must be categorical
 Implemented methods
– decision trees(J48, etc.) and rules
– Naïve Bayes
– neural networks
– instance-based classifiers …
 Evaluation methods
– test data set
– crossvalidation

4.  After loaded a data file, click “Classify” Choose a
classifier,
– Under “Classifier”: click “choose”, then a drop-
down menu appears,
– Click “trees” and select “J48” – a decision tree
algorithm
Select a test option
– Select “percentage split” with default ratio 66%
for training and 34% for testing
 Click “Start” to train and test the classifier.
– The training and testing information will be
displayed in classifier output window.

5. การทาเหมืองข้อมูลการจัดจาแนกประเภท
 เป็นการสร้างตัวแบบ Classifier ที่สามารถแบ่งแยกข้อมูล (ตัวอย่าง) ออกมาตาม
คลาสหรือลักษณะประจาเป้าหมายที่กาหนด
 ตัวแบบที่ต้องการอาจจะเป็น
Bayers ใช้หลักของเบย์หรือตัวแบบเชิงความน่าจะเป็น
Functions ตัวแบบในรูปของฟังก์ชัน
Lazy ตัวแบบที่เก็บตัวอย่าง การตัดสินใจเกิดเมื่อตัวอย่างใหม่ถูกนาเข้ามาเท่านันน
Meta การทาแบบให้ดีขึนนโดยการเรียนข้อมูลเมตา
Misc วิธีการสร้างตัวแบบวิธีอื่น
Trees การสร้างตัวแบบโดยใช้ต้นไม้
Rules การสร้างตัวแบบโดยใช้กฎ

7. การเตรียมแฟ้ มข้อมูล
 กาหนดลักษณะประจาเป้ าหมายให้เป็นลักษณะประจาสุดท้าย
 บางขั้นตอนวิธีที่ใช้สร้างต้นไม้การตัดสินใจต้องการลักษณะประจาที่มีค่าไม่
ต่อเนื่องเท่านั้น
 ดังนั้นเราจาเป็นต้องเปลี่ยนลักษณะประจาที่มีค่าต่อเนื่องให้เป็นลักษณะที่มีค่า
ไม่ต่อเนื่อง
 ในกรณีที่ระเบียนน้อย เราอาจใช้ k-fold cross validation หรือ leave-one-out
 ในกรณีที่มีระเบียนมากเพียงพอ เราควรแบ่งกั้นระเบียนบางส่วนเป็ น
validation, test data และที่เหลือนามาใช้เป็น training data สัดส่วนที่ใช้อาจ มี
ค่า 3/10, 3/10 กับ 4/10

8. การเตรียมแฟ้ มข้อมูล
 เริ่มการทางานของซอฟต์แวร์ Weka เปิดโมดูล Explorer
 เปิดแฟ้ม weather.nominal.arff
 แปลงลักษณะที่มีค่าต่อเนื่องเป็นลักษณะประจาที่มีค่าไม่ต่อเนื่องโดยใช้ filter
ก่อนเลือกแถบ Classify
 Weka  Explorer  Open file  C:/Program Files/Weka-3-
6/data/weather.nominal.arff

10. Classify – ID3
 Classify  Choose  Classifiers  Trees 
ขันนตอนวิธี ID3

11. ผู้ใช้กาหนดตัวเลือก use training set เพื่อใช้ทุกตัวอย่างในการสร้างต้นไม้
ผู้ใช้เลือกลักษณะประจาเป้าหมายที่ต้องการโดยปรกติลักษณะประจาสุดท้ายจะถูกเลือก
ผู้ใช้กดปุ่ม Start เพื่อเริ่มสร้างต้นไม้

12. ไม่สามารถ Visualize Tree ได้

13. การเปลี่ยนลักษณะประจาให้เป็นค่าไม่ต่อเนื่อง
 Preprocess  Choose  Weka  Filters 
Unsupervised  attribute  Discretize

14. ปรับค่าในกล่อง bin = 3

15. Classify – J48
 Classify  Choose  Classifiers  Trees 
ขันนตอนวิธี J48

18. การเรียนรู้ต้นไม้ตัดสินใจโดยใช้ขั้นตอนวิธี J48
 Weka  Explorer  Open file  C:/Program Files/Weka-3-6/data/iris.arff

20. More options  Output
prediction