Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Waikato environment for knowledge analysis (weka)

341 views

Published on

Clustering, Classification, Association with WEKA

Published in: Education
  • Login to see the comments

  • Be the first to like this

Waikato environment for knowledge analysis (weka)

  1. 1. Waikato Environment for Knowledge Analysis (WEKA) CP463 B01 ARTIFICIAL INTELLIGENCE โดย นายสุขพล นันทะชัยพร 54102010374
  2. 2. ►Clustering
  3. 3. Preprocess  Relation Instances: 52 Attributes: 36  Clustering Algorithm SimpleKMeans
  4. 4. Determining the number of clusters 0 10 20 30 40 50 60 70 80 90 100 0 5 10 15 20 25 Squarederrors Number of Cluster Squared errors by Number of Clusters  จำนวน Cluster ที่เหมำะสมในกำรแบ่งกลุ่ม คือ 16 เพรำะว่ำค่ำ Squared errors ในช่วงของจำนวน Cluster ที่เท่ำกับ 16 นั้น มีลักษณะลู่ลงมำกทำให้เกิด Knee Curve และสำมำรถแบ่งกลุ่มได้ เป็นจำนวนมำกที่สุด (16,40 )
  5. 5. Model and Evaluation Clusters Instances 0 17 (33%) 1 1 (2%) 2 4 (8%) 3 2 (4%) 4 2 (4%) 5 10 (19%) 6 3 (6%) 7 1 (2%) 8 1 (2%) 9 1 (2%) 10 4 (8%) 11 1 (2%) 12 1 (2%) 13 1 (2%) 14 1 (2%) 15 2 (4%)
  6. 6. ►Classification
  7. 7. Preprocess  Training set Instances: 44 Attributes: 38 Class: Gender (Female, Male)  Test set Instances: 8 Attributes: 38  Classification Algorithm J48 with 10 Folds Cross-validation ZeroR for Arff generation
  8. 8. Training Result  Summary Correctly Classified Instances 33 (75%) Incorrectly Classified Instances 11 (25%)  Detailed Accuracy by Class TP Rate FP Rate Precision Recall F-Measure ROC Area Class 0.471 0.074 0.8 0.471 0.593 0.599 Male 0.926 0.529 0.735 0.926 0.82 0.599 Female Weighted Average 0.75 0.353 0.76 0.75 0.732 0.599
  9. 9. Testing Result Gender PredictedGender Male Male Male Female Female Female Male Male Female Female Female Female Male Female Female Female Accuracy 75%
  10. 10. ►Association
  11. 11. Preprocess  เมื่อได้ลองหำควำมสัมพันธ์ระหว่ำงสินค้ำที่ซื้อแล้ว พบว่ำไม่มีควำมสัมพันธ์ใดๆเกิดขึ้น เลย จึงได้เปลี่ยนโจทย์ในกำรหำควำมสัมพันธ์เป็น เวลำ, สำขำ, เพศ  Relation Instances: 52 Attribute: 4  Association Algorithm Apriori
  12. 12. Apriori Result  Best 10 rules: Association Rules Confidence Lift Branch=HappyLandSex=Female 1.00 1.68 Time=15.01-19.00 Branch=HappyLandSex=Female 1.00 1.68 Branch=HappyLandTime=15.01-19.00 Sex=Female 0.73 2.22 Time=11.01-15.00Branch=SWUPrasanmit 0.80 1.34 Branch=HappyLandTime=15.01-19.00 0.73 1.51 Branch=HappyLand Sex=FemaleTime=15.01- 19.00 0.73 1.51 Time=15.01-19.00 Sex=FemaleBranch=HappyLand 0.47 2.22 Sex=MaleBranch=SWUPrasanmit 0.71 1.20 Sex=FemaleBranch=HappyLand 0.35 1.68 Time=15.01-19.00Sex=Female 0.68 1.14
  13. 13. ►จบการนาเสนอ

×