Data Mining 工具介紹 (Weka+JDBC)

Presentation on theme: "Data Mining 工具介紹 (Weka+JDBC)"— Presentation transcript:

1 Data Mining 工具介紹 (Weka+JDBC)
Supplement 2 Data Mining 工具介紹 (Weka+JDBC) 楊立偉教授 台灣大學工管系 2017 1

2 Data Mining 工具 The R Project for Statistical Computing
Weka : Data Mining Software in Java scikit-learn: machine learning in Python SAS Enterprise Miner (EM) Business Analytics and Business Intelligence Software IBM SPSS Predictive analytics software and solutions and others

3 使用WEKA及JDBC連接至MySQL 3

4 Installing Java 至Oracle下載JDK (Java Development Kit) 並安裝

5 Installing WEKA 下載跨平台版本 (weka-3-9-2.zip) 並解壓縮至特定目錄，例如/weka
V

6 Installing MySQL JDBC Driver
下載MySQL JDBC Driver (mysql-connector-java zip) 並解壓縮至同一目錄，例如/weka V

7 Testing WEKA (1) 下載老師的設定檔DatabaseUtils.props至/weka 目錄結構如下圖

8 Testing WEKA (2) 以Windows為例，搜尋cmd後執行，開啟命令提示字元 (Mac請開啟工具程式下的終端機)
執行java，若有出現版本訊息，代表java環境已備妥 執行 cd /weka/weka-3-9-2/weka-3-9-2 執行 java -cp weka.jar;../../mysql-connector-java /mysql-connector-java /mysql-connector-java bin.jar -Xmx500m weka.gui.GUIChooser

9 Testing WEKA (3) 選KnowledgeFlow，在DataSources選DatabaseLoader，在右邊工作畫布上放置一個，選取後按右鍵選Configure…

10 Testing WEKA (4) Database URL輸入 輸入帳號密碼，輸入載資料的SQL指令， 選擇DB config file
jdbc:mysql://sqldb.demo.tornado.com.tw:3306/sample 輸入帳號密碼，輸入載資料的SQL指令， 例如 SELECT outlook, temperature, humidity, windy, play FROM tennis 選擇DB config file C:\weka\DatabaseUtils.props

11 Testing WEKA (5) 在Visualization選TextViewer，在右邊工作畫布上放置一個，選取DatabaseLoader後按右鍵選dataSet，產生一條線連至TextViewer

12 Testing WEKA (6) 在左上角按下執行按鈕，下方訊息若出現Finished表示完成 (若有錯誤訊息請檢查設定)
選取TextViewer後按右鍵選Show results，若出現查詢結果表示成功

13 使用WEKA進行Data Mining 13

14 Using Weka (1) - Tree 放置Evaluation→ClassAssigner，以及TrainingSetMaker
放置Classifiers→trees→J48 (即C4.5演算法之實作) 放置Visualization→TextViewer

15 Using Weka (2) - Tree 在DatabaseLoader按右鍵選dataSet到ClassAssigner
在ClassAssigner按右鍵選dataSet到TrainingSetMaker 在TrainingSetMaker按右鍵選trainingSet到J48 在J48按右鍵選text到TextViewer

16 Using Weka (3) - Tree 在ClassAssigner按右鍵選configure確認目標欄位是play 在左上角按下執行
在TextViewer按右鍵選Show results看結果

17 Using Weka (4) Clustering
使用Simple Kmeans演算法，用TextViewer看結果 以k=3為例

18 Using Weka (5) Association
使用Apriori演算法，用TextViewer看結果 只能處理nominal value

19 Using Weka (6) Association
使用Apriori演算法結果如下 * 決策樹的每條path可能就是一條rule；可能會找到更多的rules