การวิเคราะห์ข้อมูลด้วย Weka (Project Weka)

1. น.ส. สุวนันท์สุดชิด sc32 55102011028
คณะวิทยาศาสตร์ เอกวิทยาการคอมพิวเตอร์

2.  เตรียมข้อมูลสาหรับการ Clustering

3.  ตรง Cluster เลือก SimpleKMeans numClusters = 2

4.  numClusters = 3

5.  numClusters = 4

6.  numClusters = 5

7.  numClusters = 6

8.  numClusters = 7

9.  numClusters = 8

10.  numClusters = 9

11.  numClusters = 10

12.  numClusters = 10

13.  Knee Curve ที่ได้จากการ Clustering
Knee Curve อยู่ที่ 5

14.  จำแนกกลุ่มนิสิตที่ อยู่หอพัก และนิสิตที่อยู่บ้ำน
 สร้ำงไฟล์สำหรับกำร test และกำร train โดยใช้ ZeroR
จะได้ไฟล์ .arff

15.  Training Time = 100

16.  Training Time = 100

17.  Training Time = 100

18.  Training Time = 500

19.  Training Time = 500

20.  Training Time = 500

21.  Training Time = 1000

22.  Training Time = 1000

23.  Training Time = 1000

26. 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)
8. Sandwich=t 45 ==> Water=t 41 <conf:(0.91)> lift:(2.33)lev:(0.18) [23] conv:(5.48)