Preprocessing with RapidMiner Studio 6

(data)3 
base|warehouse|mining
http://www.dataminingtrend.com 
http://facebook.com/datacube.th
การเตรียมข้อมูล 
(preprocess)
บทที่ 2

(data)3 
Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th
Introduction to Business Analytics with RapidMiner Studio 6
Sales database
• ซุเปอร์มาร์เก็ตแห่งหนึ่งมีร้านอยู่หลายสาขา (Store) แต่การเก็บข้อมูลจะ 
เก็บไว้ในฐานข้อมูลกลาง ซึ่งมีรายละเอียดดังในตารางด้านล่าง
• trans_id แสดงหมายเลขการซื้อสินค้า (transaction)
• store_id แสดงหมายเลขของสาขา
• customer_id แสดงหมายเลขของลูกค้า
• product_id แสดงหมายเลขของสินค้า
• product_cat แสดงประเภทของสินค้า (category)
• date แสดงวันและเวลาที่ซื้อสินค้า
• amount แสดงจำนวนสินค้าชนิดนั้นที่ซื้อ
• single_price แสดงราคาสินค้า/หน่วย
27
trans_id store_id customer_id product_id product_cat date amount single_price
1 Store 01 Customer 1508 53642 Toys Sun Apr 01 08:09:06
2007
3.0 90.24
2 Store 15 Customer 169 90945 Movies Tue Feb 15 10:47:27
2005
2.0 60.58
3 Store 12 Customer 124 18548 Movies Thu Sep 27 05:38:56
2007
5.0 96.61
2007
3.0 90.24
A B C D E F G H
A
B
C
D
E
F
G
H
Note:
• ข้อมูลที่ใช้ในหนังสือเล่มนี้เป็นข้อมูลตัวอย่างที่สร้างขึ้นมาจาก RapidMiner Studio 6 ดูวิธีการสร้าง
ชุดข้อมูลตัวอย่างนี้ได้จาก Appendix A ครับ

(data)3 
Data
• RapidMiner จะมีชื่อเรียกข้อมูลที่แสดงในรูปแบบของตาราง ดังนี้
• แถว เรียกว่า ตัวอย่าง (example)
• คอลัมน์ เรียกว่า แอตทริบิวต์ (attribute) ซึ่งมี 2 หน้าที่ที่ใช้งานบ่อย
• ไอดี (ID) เป็นแอตทริบิวต์ที่แสดงหมายเลขของข้อมูล หรือ primary key ในฐานข้อมูล
• แอตทริบิวต์ที่มีหน้าที่เป็นแอตทริบิวต์ไอดีจะแสดงด้วยสีฟ้า
• แอตทริบิวต์ทั่วไป (attribute) เป็นแอตทริบิวต์ปกติที่ใช้ในการประมวลผลหรือ
คำนวณต่างๆ
• แอตทริบิวต์ที่มีหน้าที่เป็นแอตทริบิวต์ทั่วไปจะแสดงด้วยสีเทา
• ประเภทของข้อมูลที่เก็บในแต่ละแอตทริบิวต์
• Polynominal คือ ข้อมูลประเภท category (ข้อมูลที่ไม่ใช่ตัวเลข) มีค่ามากกว่า 2 ค่า
ขึ้นไป
• Integer/Real คือ ข้อมูลประเภทตัวเลขจำนวนเต็ม หรือ จำนวนที่มีทศนิยม
• Date time คือ ข้อมูลประเภทวันที่และเวลา
28
attributeID
trans_id store_id customer_id product_id product_cat date amount single_price
2007
3.0 90.24
2 Store 15 Customer 169 90945 Movies Tue Feb 15 10:47:27
2005
2.0 60.58
3 Store 12 Customer 124 18548 Movies Thu Sep 27 05:38:56
2007
5.0 96.61
2007
3.0 90.24
polynominal data time realinteger

(data)3 
• Repository
• เป็นที่เก็บข้อมูลและโพรเซสเพื่อใช้งานใน RapidMiner Studio 6 ทำให้ไม่ต้อง
โหลดข้อมูลจากไฟล์ใหม่ทุกครั้ง
• ส่วน Repository ประกอบด้วย 2 ส่วน คือ
• เมนูสำหรับการจัดการ Repository
• สำหรับสร้าง Repository ใหม่
• โหลดไฟล์ประเภทต่างๆ เข้าไปไว้ใน Repository
• สร้างโฟลเดอร์ใหม่
• Repository ที่มีอยู่ใน RapidMiner Studio 6
• Samples เป็นข้อมูลและโพรเซส ตัวอย่างที่ RapidMiner Studio 6 เตรียมไว้ให้
• Local Repository เป็น Repository ที่เก็บข้อมูลและโพรเซสในเครื่องคอมพิวเตอร์ 
ของเราเอง (local)
• Cloud Repository เป็น Repository ที่เก็บข้อมูลและโพรเซสบน Cloud
Data management
29
A
B
A
B

(data)3 
• ในหนังสือเล่มนี้เราจะสร้าง Repository ใหม่เพื่อเก็บข้อมูลและโพรเซส
• คลิกที่ไอคอน
• เลือก New local repository
• กดปุ่ม Next
• เปลี่ยนชื่อ Alias เป็น GettingStartedWithRapidMiner
• คลิกที่ Use standard location เพื่อไม่เลือก option นี้
• คลิกที่ไอคอน เพื่อเลือก Root directory (ซึ่งเป็นโฟลเดอร์สำหรับเก็บข้อมูล)
ใหม่
Create Repository
30
2
1
3
1
2
3
4
5
6
6
4
5

(data)3 
• สร้าง Repository ใหม่ (ต่อ)
• คลิกที่ไอคอน เพื่อสร้างโฟลเดอร์สำหรับ Repository ใหม่ ในตัวอย่างนี้เลือกที่
Desktop (แต่ท่านผู้อ่านสามารถเลือกที่ไดรฟ์ C: หรือ D: ก็ได้ครับ)
• สร้างโฟลเดอร์ชื่อ GettingStartedWithRapidMiner
• กดปุ่ม OK
• เลือกโฟลเดอร์ที่สร้างขึ้น
• กดปุ่ม Open
Create Repository
31
7
7
8
9
10
11
8 10
11
9

(data)3 
Create Repository
• สร้าง Repository ใหม่ (ต่อ)
• กดปุ่ม Finish
• จะได้ Repository ใหม่แสดงขึ้นมา
32
12
13
12
13
ขยายส่วน Repositories ให้
เต็มหน้าจอ

(data)3 
Import Sale data
• import ไฟล์ Excel เข้าไปไว้้ใน Repository
• ในส่วน Repositories คลิกที่ไอคอน เลือก Import Excel Sheet…
• เลือกไฟล์ sale_data.xlsx ที่สร้างขึ้น (ดูวิธีการสร้างไฟล์ประเภท Excel ได้จาก
Appendix A ครับ)
• ขั้นตอนที่ 2 ของการ Import ไฟล์ คือ การเลือก Worksheet ที่ต้องการ import
• ในไฟล์ตัวอย่างมีแค่ Worksheet เดียวจึงมีเพียงแท็บเดียวให้เลือก
33
3
4
เลือกไฟล์ sales_data.xlsx
5
เลือก Worksheet นี้
1
2

(data)3 
Import Sale data
• import ไฟล์ Excel เข้าไปไว้้ใน Repository (ต่อ)
• ขั้นตอนที่ 3 กำหนดให้แถวแรกของไฟล์เป็นชื่อแอตทริบิวต์ และคลิก Next
• ขั้นตอนที่ 4 เปลี่ยน Date format ให้เป็นแบบ yyyy-MM-dd HH:mm:ss
• เปลี่ยนแอตทริบิวต์ transaction_id ให้มีหน้าที่ (role) เป็น ID และ product_id
ให้เป็นประเภท Polynominal
34
7
6
กำหนดให้แถวแรกเป็น
ชื่อแอตทริบิวต์
10
8
9
11
เปลี่ยนรูปแบบของวันที่
และเวลา
เปลี่ยนหน้าที่ของ
แอตทริบิวต์ให้เป็น ID
เปลี่ยนประเภทให้เป็น Polynominal แทน Integer

(data)3 
• import ไฟล์ Excel เข้าไปไว้้ใน Repository (ต่อ)
• ขั้นตอนที่ 5 ซึ่งเป็นขั้นตอนสุดท้ายคือกำหนดว่าจะเก็บข้อมูลไว้ที่ Repository ที่
สร้างขึ้นมาใหม่ (GettingStartedWithRapidMiner) และตั้งชื่อไฟล์เป็น sales_data
• ข้อมูลที่ import เข้ามาใน RapidMiner Studio 6 จะแสดงเป็นรูปแบบ 
ของตาราง แต่ก็สามารถเปลี่ยนไปดูในรูปแบบอื่นๆ ได้ เช่น กราฟ
Import Sale data
35
13
12
14
เลือกไฟล์ Repository ที่สร้างขึ้นใหม่
ตั้งชื่อข้อมูลเป็น sales_data
แสดงรายละเอียดของข้อมูล
คลิกที่ชื่อแอตทริบิวต์เพื่อ sort

(data)3 
• แสดงข้อมูลที่โหลดเข้ามาได้หลายรูปแบบ เช่น
• แสดงข้อมูลในรูปแบบตาราง (Data) และถูกกำหนดเป็นค่าเริ่มต้น (default)
• แสดงค่าสรุปทางสถิติ (Statistics) เช่น ค่า Min, Max, Average, Deviation
• แสดงกราฟรูปแบบต่างๆ (Charts) เช่น กราฟแท่ง กราฟวงกลม
• แสดงข้อมูลในรูปแบบตาราง
• ExampleSet แสดงจำนวนข้อมูลทั้งหมดในไฟล์
• Filter แสดงจำนวนข้อมูลจากการกรอง (ﬁlter) ทำได้ 5 แบบ
• all แสดงข้อมูลทั้งหมด (ทั้งที่มีค่าว่างและไม่ว่าง)
• no_missing_attributes แสดงเฉพาะข้อมูลที่ไม่มีค่าว่างในแอตทริบิวต์
• missing_attributes แสดงเฉพาะข้อมูลที่มีค่าว่างในแอตทริบิวต์
• no_missing_labels แสดงเฉพาะข้อมูลที่ไม่มีค่าว่างในแอตทริบิวต์ประเภทลาเบล
• missing_labels แสดงเฉพาะข้อมูลที่มีค่าว่างในแอตทริบิวต์ประเภทลาเบล
• ตารางแสดงข้อมูลในแต่ละแอตทริิบิวต์ คลิกที่ชื่อแอตทริบิวต์เพื่อทำการเรียงลำดับ
• กดปุ่ม Ctrl ค้างไว้ และคลิกที่ชื่อแอตทริบิวต์จะเป็นการเรียงลำดับมากกว่า 1
แอตทริบิวต์ (สำหรับระบบปฏิบัติการ OS X ให้กดปุ่ม command แทน)
Data exploration
36
A
B
C
A
B
C

(data)3 
Data exploration
• คลิกที่เมนู Statistics จะแสดงค่าสรุปทางสถิติ มีคอลัมน์ต่างๆ ดังนี้
• Name แสดงชื่อแอตทริบิวต์
• Type แสดงประเภทของข้อมูลในแต่ละแอตทริบิวต์ เช่น Integer, Polynominal
• Miss. จำนวนข้อมูลที่มีค่าว่าง
• Statistics ค่าทางสถิติต่างๆ เช่น Min, Max, Average, Deviation, Least, Most,
Values
37
A
B
C
D
A B C D
• ข้อมูล sales_data ที่ import เข้ามาจะแสดงไว้
ใน Repository
• สัญลักษณ์ แสดงข้อมูล (data)
• ถ้าต้องการเรียกดูข้อมูลให้ double click ที่ชื่อ
ของข้อมูล
• ถ้าต้องการนำไปใช้ในโพรเซส ให้คลิกที่ชื่อ
ข้อมูลและลากไปวางไว้ใน main process
ข้อมูลที่ import เข้ามา

(data)3 
Data exploration
• ข้อมูล sales ที่ import เข้ามามีจำนวนการซื้อขายทั้งหมด 100,000 ตัวอย่าง
(examples)
• ระยะเวลาการซื้อขายตั้งแต่ วันที่ 1 กุมภาพันธ์ 2005 (Feb 1, 2005) จนถึง
วันที่ 29 พฤศจิกายน 2008 (Nov 29, 2008)
• มีการซื้อจากร้านค้าทั้งหมด 15 สาขา (Store)
• มีลูกค้า (customers) ทั้งหมด 2,000 คน
• มีสินค้าทั้งหมด 8 ประเภท คือ
• Books, Clothing, Electronics, Health, Home/Garden, Movies, Sports
และ Toys
• ในบทนี้จะแนะนำการเตรียมข้อมูล (preprocessing) เพื่อใช้ในการแบ่งกลุ่ม
ลูกค้า (รายละเอียดอยู่ในบทที่ 3) โดยมีขั้นตอนดังนี้
• เลือกเฉพาะสาขาที่สนใจ เช่น สาขาที่ 1 (Store 01)
• คำนวณราคารวมสำหรับการซื้อสินค้าแต่ละครั้ง
• สรุปค่าต่างๆ ได้แก่
• จำนวนครั้งในการซื้อสินค้าของลูกค้าแต่ละราย (Frequency)
• จำนวนเงินที่ใช้จ่ายรวมของลูกค้าแต่ละราย (Monetary)
• วันที่ซื้อสินค้าล่าสุดของลูกค้าแต่ละราย
38

(data)3 
Preprocessing: Operators
• โอเปอเรเตอร์ที่ใช้ในบทนี้มีดังต่อไปนี้
39
โอเปอเรเตอร์ คำอธิบาย
Retrieve
ใช้สำหรับดึงข้อมูลที่เก็บไว้ใน Repository มาใช้งานใน 
โพรเซส (Process)
Filter Example
ใช้สำหรับเลือก (ﬁlter) ข้อมูลที่สนใจออกมาแสดงผล
สำหรับในตัวอย่างนี้ใช้เพื่อเลือกเฉพาะข้อมูลที่ขายในสาขา
ที่ 1 (Store 01)
Generate Attribute
ใช้สำหรับสร้างแอตทริบิวต์ใหม่ขึ้นมา สำหรับในตัวอย่างนี้
ใช้เพื่อคำนวณค่า total_price และค่า Recency
Aggregate
ใช้สำหรับสรุปค่าต่างๆ สำหรับในตัวอย่างนี้ใช้เพื่อคำนวณ
จำนวนครั้งในการซื้อสินค้า และค่าใช้จ่ายของลูกค้า 
แต่ละราย
Rename
ใช้สำหรับเปลี่ยนชื่อแอตทริบิวต์ต่างๆ สำหรับตัวอย่างนี้ใช้
เพื่อเปลี่ยนชื่อแอตทริบิวต์ที่มีวงเล็บ ( และ )
Subprocess
ใช้สำหรับรวบรวมโพรเซสที่สร้างขึ้นมาไว้ภายใน 
โอเปอเรเตอร์ สำหรับตัวอย่างนี้จะนำโพรเซสที่สร้างได้
จากบทที่ 2 ไว้ในโอเปอเรเตอร์ Subprocess นี้

(data)3 
Preprocessing: Filter Examples
• ใช้โอเปอเรเตอร์ Filter Examples
• ดึงข้อมูล (retrieve) จาก Repository มาใช้งานในโพรเซส โดยลาก (drag)
ข้อมูล sales_data มาไว้ในส่วน Main Process
40
1
2
คลิกที่ sales_data
ลากมาวางไว้ที่
Main Process
Note:
• โอเปอเรเตอร์ที่เลือกจะมีเส้นกรอบสีส้มล้อมรอบโอเปอเรเตอร์นั้นอยู่

(data)3 
• เลือกโอเปอเรเตอร์ Filter Examples เพื่อเลือกเฉพาะข้อมูลของ 
สาขาที่ 1 (Store 1)
• ค้นหาโอเปอเรเตอร์ Filter Examples ในส่วน Operators หลังจากนั้นโอเปอ 
เรเตอร์จะแสดงออกมา (สามารถพิมพ์บางส่วนของชื่อโอเปอเรเตอร์ได้)
• ลากโอเปอเรเตอร์ไปวางไว้ใน Main Process
• ลากเส้นเชื่อมจากพอร์ต out ของโอเปอเรเตอร์ Retrieve Sales_data ไปต่อกับ
พอร์ต exa ของโอเปอเรเตอร์ Filter Examples เพื่อส่งข้อมูลที่ดึงมาจาก
Repository ไปใช้งานต่อในโอเปอเรเตอร์ Filter Examples
41
3
4 คลิกที่โอเปอเรเตอร์
ใส่คำที่ต้องการค้นหา
5ลากมาวางไว้ที่ Main Process
6
ลากเส้นเชื่อมระหว่าง 2 โอเปอเรเตอร์ 
เพื่อส่งข้อมูลไปใช้งานต่อ
Note:
• พอร์ตที่มีชื่อว่า exa จะเป็นข้อมูลที่อยู่
ในรูปแบบของตาราง (table)
• เอาท์พุตพอร์ตของ Filter Examples จะ
มี 3 พอร์ต คือ
• exa แสดงข้อมูลที่ผ่านเงื่อนไขการ
ﬁlter แล้ว
• ori แสดงข้อมูลทั้งหมด
• unm แสดงข้อมูลที่ไม่ผ่านเงื่อนไข
• รายละเอียดของพอร์ตดูได้จากส่วน
Help ในตัวซอฟต์แวร์

(data)3 
• คลิกที่โอเปอเรเตอร์ Filter Examples (ซึ่งจะมีกรอบสีส้มล้อมรอบอยู่) และส่วน
พารามิเตอร์จะแสดงพารามิเตอร์ของโอเปอเรเตอร์ Filter Examples
• คลิกที่ปุ่ม Add Filters... จะแสดงหน้าต่าง Create Filters ขึ้นมา
• ใส่เงื่อนไขเพื่อเลือกเฉพาะสาขาที่ 1 (Store 01)
• เลือกแอตทริบิวต์ store_id
• เลือกเงื่อนไขเป็น equals
• คลิกที่ไอคอน และเลือก Store 01 ในส่วนเงื่อนไข
42
7
คลิกที่ปุ่ม Add Filters...
หน้าต่างสำหรับการใส่เงื่อนไขจะแสดงขึ้นมา
8 9
10คลิกเพื่อให้แสดงค่าต่างๆ ในแอตทริบิวต์ store_id
11

(data)3 
• ลากเส้นต่อจากพอร์ต exa ของโอเปอเรเตอร์ Filter Examples ไป 
ยังพอร์ต res (พอร์ตด้านขวามือเพื่อแสดงข้อมูลในหน้าต่าง Results)
• คลิกที่ปุ่ม (Run process) เพื่อให้โพรเซสทำงาน
• หลังจากที่โพรเซสทำงานเสร็จเรียบร้อยจะเปลี่ยนมายังหน้าต่าง Results
• แสดงข้อมูลการซื้อขายเฉพาะของสาขาที่ 1 (Store 01) ซึ่งมีจำนวน 6,636
ตัวอย่าง
43
12
13
ลากเส้นเชื่อมระหว่างโอเปอเรเตอร์และพอร์ต res
คลิกที่ปุ่ม Run เพื่อให้โพรเซสทำงาน
แสดงเฉพาะข้อมูลที่เป็น Store 01

(data)3 
• คลิกที่ เพื่อสลับมาที่หน้าจอ Design
• คลิกที่ปุ่ม เพื่อบันทึก (Save) โพรเซส
• เลือกบันทึกโพรเซสใน Repository ที่สร้างขึ้นมาใหม่โดยตั้งชื่อว่า 
segmentation_and_association
44
14 คลิกเพื่อบันทึกโพรเซสที่สร้างขึ้น
15
16
17
เลือก Repository ที่สร้างไว้
ตั้งขื่อโพรเซสที่กำลังใข้งาน โพรเซสที่บันทึกไว้ซึ่งแสดง
ด้วยไอคอนรูปเฟือง

(data)3 
Preprocessing: Generate Attributes
• ใช้โอเปอเรเตอร์ Generate Attributes
• เนื่องจากข้อมูล sales_data มีเฉพาะราคาต่อหน่วย (แอตทริบิวต์ที่ชื่อว่า
single_price) แต่ในการแบ่งกลุ่มลูกค้าจำเป็นต้องใช้ราคารวมแต่ละครั้งที่ซื้อ
สินค้า (total price = amount x single_price)
• ใช้โอเปอเรเตอร์ Generate Attributes เพื่อสร้างแอตทริบิวต์ใหม่และให้ชื่อว่า
total_price
45
1
3
ลากมาวางต่อกับโพรเซสเดิมที่มีอยู่โดยให้
เส้นหนาขึ้นเล็กน้อยแล้วค่อยปล่อย

(data)3 
• คลิกที่โอเปอเรเตอร์ Generate Attributes ซึ่งจะมีพารามิเตอร์ต่างๆ ที่เกี่ยวข้อง
แสดงขึ้นมาทางด้านขวามือ
• คลิกที่ปุ่ม Edit list (0) ... จะแสดงหน้าต่าง functional descriptors ขึ้นมา
• สร้างแอตทริบิวต์ใหม่โดยมีรายละเอียดดังนี้
• กำหนดให้ attribute name เป็น total_price
• และ function expression เป็น amount * single_price
46
4
คลิกที่ปุ่ม Edit List (0)...
5 6
7
ใส่ช่ือแอตทริบิวต์ใหม่
ใส่ค่า amount * single_price

(data)3 
• แสดงข้อมูลที่มีแอตทริบิวต์ total_price เพิ่มขึ้นมาด้วย
47
8 คลิกที่ปุ่ม Run เพื่อให้โพรเซสทำงาน
มีแอตทริบิวต์ total_price เพิ่มขึ้นมา

(data)3 
Preprocessing: Aggregate
• ใช้โอเปอเรเตอร์ Aggregate, Rename และ Generate Attributes
• เนื่องจากมีลูกค้าเป็นจำนวนมากทำให้ไม่สามารถมองรายละเอียดการซื้อสินค้า
ของลูกค้าแต่ละรายได้ เราจึงสนใจค่าสรุปต่างๆ ได้แก่
• จำนวนครั้งในการซื้อสินค้าของลูกค้าแต่ละราย
• ค่าใช้จ่ายรวมของลูกค้าแต่ละราย
• วันที่ลูกค้าซื้อสินค้าครั้งล่าสุด
• ค่าต่างๆ เหล่านี้จะนำไปใช้ในเรื่องการแบ่งกลุ่มลูกค้าที่เรียกว่าวิธี RFM [2] ซึ่งย่อ
มาจาก Recency, Frequency และ Monetary ซึ่งจะแสดงตัวอย่างการคำนวณ
ในหน้าถัดไป
48
Note:
• ในหนังสือเล่มนี้นอกจากการแสดงขั้นตอนการใช้งาน RapidMiner Studio 6 แล้วจะมีการอธิบาย
concept ที่เกี่ยวข้องด้วยครับ

(data)3 
RFM: Recency, Frequency, Monetary
• RFM เป็นการแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อสินค้าของลูกค้า โดยดูจาก
• ระยะเวลา (จำนวนวัน) จากการซื้อล่าสุดที่ผ่านมา (Recency)
• ความถี่ของการซื้อสินค้า (Frequency)
• การใช้จ่ายของลูกค้า (Monetary)
• ข้อมูลคำนวณได้จากตาราง Order Detail ที่เก็บไว้ (หรือในหนังสือเล่มนี้ใช้ข้อมูล
จาก sales data ที่ import เข้าไปแล้วครับ)
• จากตารางจะเห็นว่ามีลูกค้าทั้งหมด 3 คน คือ Customer 1, 2 และ 3 เราจะ
พิจารณาลูกค้าคนที่ 1 ก่อนครับ
• ลูกค้า Customer 1 ซื้อไปล่าสุดเมื่อวันที่ 7 เมษายน 2007 (Apr 7, 2007) เมื่อ
คำนวณเทียบกับวันที่ 1 สิงหาคม 2015 แล้วลูกค้าซื้อไปล่าสุดเมื่อ 3037.431 วัน
• ลูกค้า Customer 1 ซื้อไปจำนวน 3 ครั้งคือ transaction id = 58909, 35366  
และ 31907
• ลูกค้า Customer 1 ใช้จ่ายรวมทั้งหมด 72.012+601.990+279.435 = $ 953.437
• จะได้ค่า Recency = 3037.431, Frequency = 3 และ Monetary = 953.437 ดัง
แสดงในตารางด้านขวามือของหน้าถัดไป
49
Customer ID Recency Frequency Monetary
Customer 1
Customer 2
Customer 3
หมายเหตุ: คำนวณ ณ วันที่ Aug 1, 2015
trans_id customer_id date total_price
58909 Customer 1 Feb 20, 2007 72.012
35366 Customer 1 Mar 16, 2007 601.990
31907 Customer 1 Apr 7, 2007 279.435
10884 Customer 3 Mar 9, 2008 289.249
77378 Customer 2 May 4, 2008 285.063
95678 Customer 3 Nov 24, 2008 326.293
ตาราง sales data

(data)3 
• หลังจากนั้นมาพิจารณาลูกค้าคนที่ 2 กันครับ
• ลูกค้า Customer 2 ซื้อไปล่าสุดเมื่อวันที่ 4 พฤษภาคม 2008 (May 4, 2008)
เมื่อคำนวณเทียบกับวันที่ 1 สิงหาคม 2015 แล้วลูกค้าซื้อไปล่าสุดเมื่อ
2644.560 วัน
• ลูกค้า Customer 2 ซื้อไปจำนวน 1 ครั้งคือ transaction id = 77378
• ลูกค้า Customer 2 ใช้จ่ายรวมทั้งหมด $ 285.063
• จะได้ค่า Recency =2644.560, Frequency = 1 และ Monetary = 285.063
ดังแสดงในตารางด้านขวามือล่าง
50
Customer 1 3037.431 3 953.437
Customer 2
Customer 3
58909 Customer 1 Feb 20, 2007 72.012
35366 Customer 1 Mar 16, 2007 601.990
31907 Customer 1 Apr 7, 2007 279.435
10884 Customer 3 Mar 9, 2008 289.249
77378 Customer 2 May 4, 2008 285.063
95678 Customer 3 Nov 24, 2008 326.293
Customer 1 3037.431 3 953.437
Customer 2 2644.560 1 285.063
Customer 3
58909 Customer 1 Feb 20, 2007 72.012
35366 Customer 1 Mar 16, 2007 601.990
31907 Customer 1 Apr 7, 2007 279.435
10884 Customer 3 Mar 9, 2008 289.249
77378 Customer 2 May 4, 2008 285.063
95678 Customer 3 Nov 24, 2008 326.293

(data)3 
• หลังจากนั้นมาพิจารณาลูกค้าคนที่ 3 กันครับ
• ลูกค้า Customer 3 ซื้อไปล่าสุดเมื่อวันที่ 24 พฤศจิกายน 2008 (Nov 4, 2008) เมื่อคำนวณเทียบ
กับวันที่ 1 สิงหาคม 2015 แล้วลูกค้าซื้อไปล่าสุดเมื่อ 2440.380 วัน
• ลูกค้า Customer 3 ซื้อไปจำนวน 2 ครั้งคือ transaction id = 10884 และ 95678
• ลูกค้า Customer 3 ใช้จ่ายรวมทั้งหมด $ 615.542
• จะได้ค่า Recency = 2440.380 Frequency = 2 และ Monetary = 615.542 ดังแสดงในตาราง
ด้านขวามือล่าง
• จากตารางตัวอย่างจะเห็นได้ว่าลูกค้าที่มีการซื้อบ่อยที่สุด (Frequency มากสุด) และใช้จ่ายเยอะ
สุด (Monetary เยอะสุด) คือ ลูกค้าคนที่ 1 (Customer 1) แต่ว่าลูกค้าคนนี้ไม่ได้กลับมาซื้อสินค้า
อีกเลยตั้งแต่ปี 2007
• จากข้อมูลนี้ทำให้ต้องหาวิธีการที่จะให้ลูกค้ากลับมาซื้อบ่อยๆ เหมือนเดิมอีกครั้ง
• ในทางตรงข้ามลูกค้าคนที่ 3 (Customer 3) ก็น่าสนใจเนื่องจากมีการซื้อล่าสุดเมื่อไม่นานมานี้
(Recency น้อยที่สุด) และมีการซื้อบ่อยระดับหนึ่ง (Frequency = 2) และมีการใช้จ่ายเยอะระดับ
หนึ่ง (Monetary = 615.542)
• จากข้อมูลนี้ทำให้ต้องหาวิธีการที่จะให้ลูกค้าซื้อในจำนวนครั้งที่บ่อยขึ้นและซื้อสินค้าที่แพงขึ้น
• จากตัวอย่างจะเห็นว่ามีลูกค้าแค่ 3 ราย ถ้ามีลูกค้ามากขึ้นการพิจารณาทีละรายคงไม่ง่ายนักดัง
นั้นเราจึงจำเป็นต้องแบ่งกลุ่มลูกค้าออกเป็นกลุ่มต่างๆ ตามค่า RFM นี้ซึ่งจะอธิบายอีกครั้งในบท
ที่ 3 ครับ
51
Customer 1 3037.431 3 953.437
Customer 2 2644.560 1 285.063
Customer 3 2440.380 2 615.542
58909 Customer 1 Feb 20, 2007 72.012
35366 Customer 1 Mar 16, 2007 601.990
31907 Customer 1 Apr 7, 2007 279.435
10884 Customer 3 Mar 9, 2008 289.249
77378 Customer 2 May 4, 2008 285.063
95678 Customer 3 Nov 24, 2008 326.293

(data)3 
• ใช้โอเปอเรเตอร์ Aggregate เพื่อสร้างทำการสรุปค่าต่างๆ ออกมา
• คลิกที่โอเปอเรเตอร์ Aggregate ซึ่งจะมีพารามิเตอร์ต่างๆ ที่เกี่ยวข้องแสดงขึ้นมา
• คลิกที่ปุ่ม Edit list (0) ... จะแสดงหน้าต่าง aggregation attributes ขึ้นมา
52
1
3
หน้าต่างสำหรับการเลือกการสรุปค่าจะแสดงขึ้นมา
4

(data)3 
• ใส่เงื่อนไขการสรุปค่าต่างๆ โดยมีรายละเอียดดังนี้
• กำหนดให้ aggregation attribute เป็น customer_id
• และ aggregation function เป็น count
• กำหนดให้ aggregation attribute เป็น total_price
• และ aggregation function เป็น sum
53
7 เพิ่มเงื่อนไขอื่นๆ
5 6
8 9

(data)3 
• กำหนดให้ aggregation attribute เป็น date
• และ aggregation function เป็น maximum
• ในส่วนของ group by attributes คลิกที่ปุ่ม Select Attributes... เลือก
แอตทริบิวต์ customer_id เนื่องจากเราต้องการสรุปค่าต่างๆ ตามลูกค้าแต่ละคน
54
11 12
13
14
15
16คลิกเลือกแอตทริบิวต์ customer_id

(data)3 
• แสดงข้อมูลการสรุปค่าต่างๆ ตามที่กำหนดไว้
ค่าที่สรุปตามลูกค้าแต่ละราย
55

(data)3 
• เนื่องจากชื่อแอตทริบิวต์ที่แสดงผลที่ได้จากการทำ aggregate มีเครื่องหมาย “("  
และ “)” ติดมาด้วยทำให้ไม่สามารถเรียกชื่อแอตทริบิวต์เหล่านี้ได้โดยตรง จึงต้อง
ใช้โอเปอเรเตอร์ Rename เพื่อเปลี่ยนชื่อแอตทริบิวต์
• คลิกที่โอเปอเรเตอร์ Rename ซึ่งจะมีพารามิเตอร์ต่างๆ ที่เกี่ยวข้องแสดงขึ้นมา
• เปลี่ยนชื่อแอตทริบิวต์จาก count(customer_id) ให้เป็น Frequency
Preprocessing: Rename
56
1
คลิกที่โอเปอเรเตอร์
32
เปลี่ยนชื่อแอตทริบิวต์อื่นเพ่ิมเติม
4
เลือกแอตทริบิวต์ที่ต้องการ
เปลี่ยนชื่อ
5 ตั้งชื่อแอตทริบิวต์ใหม่
6

(data)3 
• หลังจากคลิกที่ปุ่ม Edit list (0) ... จะแสดงหน้าต่าง rename additional
attributes ขึ้นมา
• เปลี่ยนชื่อแอตทริบิวต์จาก sum(total_price) เป็น Monetary
• เปลี่ยนชื่อแอตทริบิวต์จาก maximum(date) เป็น max_date
57
5 6
10
8 9

(data)3 
• แสดงข้อมูลการสรุปค่าต่างๆ ที่ชื่อแอตทริบิวต์เปลี่ยนไป
58
ชื่อแอตทริบิวต์ 
ที่เปลี่ยนไป

(data)3 
• เนื่องจากการคำนวณค่า Recency ในที่นี้จะเป็นจำนวนวันนับจากวันปัจจุบัน
(หรือวันที่กำหนด) ดังนั้นจึงต้องใช้โอเปอเรเตอร์ Generate Attributes เพื่อ
คำนวณค่า Recency
• คลิกที่โอเปอเรเตอร์ Generate Attributes ซึ่งจะมีพารามิเตอร์ต่างๆ ที่เกี่ยวข้อง
แสดงขึ้นมา
• คลิกที่ปุ่ม Edit list (0) ... จะแสดงหน้าต่าง functional descriptors ขึ้นมา
59
1
32
4

(data)3 
• สร้างแอตทริบิวต์ใหม่โดยมีรายละเอียดดังนี้
• กำหนดให้ attribute name เป็น Recency
• และ function expression เป็น
abs(date_diff(date_parse(“08/01/2015"),max_date)/3600/1000/24)
60
5 6
7
Note:
• ฟังก์ชัน abs() จะได้ค่าสัมบูรณ์ (หรือค่าที่เป็น
บวกอย่างเดียว)
• ฟังก์ชัน date_diff() ใช้สำหรับคำนวณค่าผล
ต่างของวันที่และได้เป็นหน่วย milliseconds
• การแปลงผลต่างที่ได้จาก date_diff() ให้เป็น
จำนวนวันต้องหารด้วย 3600/1000/24
• ฟังก์ชัน date_parse() เป็นการแปลงวันที่ให้
เป็นประเภท date
• ฟังก์ชัน date_now() จะได้วันและเวลา ณ
ปัจจุบัน

(data)3 
• แสดงแอตทริบิวต์ Recency ที่คำนวณจากวันที่ 1 สิงหาคม 2015
61
แอตทริบิวต์ Recency ที่คำนวณได้

(data)3 
• เพื่อให้โพรเซสที่สร้างดูง่ายขึ้น เราจะ copy โพรเซสที่สร้างถึงขั้นตอนนี้ไปไว้ใน 
โอเปอเรเตอร์ subprocess ซึ่งจะเห็นเป็นเพียงแค่โอเปอเรเตอร์เดียว
• โอเปอเรเตอร์ subprocess เป็นโอเปอเรเตอร์ที่สามารถใส่โพรเซส 
ไว้ภายในตัวโอเปอเรเตอร์เองได้ และเรียกโอเปอเรเตอร์ประเภทนี้ว่า “Nested
Operator” ซึ่งจะมีสัญลักษณ์ แสดงอยู่ทางด้านขวาล่างของโอเปอเรเตอร์
• double click ที่โอเปอเรเตอร์จะแสดงโพรเซสภายในนั้น ถ้าต้องการกลับไปที่
Main Process ให้กดที่ปุ่มลูกศรขึ้น ( )
Preprocessing: Subprocess
62
1
3
2
ลากมาวางไว้ในโพรเซสก่อน
แสดงว่าเป็นโพรเซสที่อยู่
ภายในโอเปอเรเตอร์
double click ที่ 
โอเปอเรเตอร์เพิื่อดู 
โพรเซสภายใน
แสดงว่าเป็น  
Nested Operator

(data)3 
• เลือกโอเปอเรเตอร์ต่างๆ ยกเว้นโอเปอเรเตอร์ Subprocess (กดปุ่ม Ctrl ค้างไว้
และเลือกโอเปอเรเตอร์ที่ต้องการ) และตัดโอเปอเรเตอร์เหล่านั้นออกมาและนำไป
ใส่ไว้ในโอเปอเรเตอร์ Subprocess
63
9
4
5
6
8
7
เลือกโอเปอเรเตอร์ทั้ง 6 ตัว
และตัด (cut) ออกมา
10
double click ที่โอเปอเรเตอร์
Subprocess
11
วางโอเปอเรเตอร์
ทั้งหมดไว้ในนี้
12
ลากเส้นเชื่อมไปยัง
พอร์ต out

(data)3 
• กดปุ่มลูกศรขึ้น ( ) เพื่อย้อนกลับไปที่ Main Process
• คลิกขวาที่โอเปอเรเตอร์ Subprocess และเลือกเมนู Rename เพื่อเปลี่ยนชื่อ 
เป็น ‘Preprocessing’
• คลิกที่ปุ่ม เพื่อบันทึก (Save) โพรเซส
64
13
คลิกขวาที่โอเปอเรเตอร์ และ
เลือกเมนู Rename
ลากเส้นเชื่อมไปยัง
พอร์ต res
14
15 คลิกเพื่อบันทึกโพรเซสที่สร้างขึ้น

(data)3 
Exercise
1. จงสร้างโฟลเดอร์ภายใต้ Repository GettingStartedWithRapidMiner สำหรับ
การทำแบบฝึกหัดท้ายบทเหล่านี้โดยตั้งชื่อโฟลเดอร์ว่า exercise
2. จงเปลี่ยนโพรเซสที่สร้างขึ้นซึ่งเลือกเฉพาะข้อมูลสาขาที่ 1 (Store 01) เท่านั้น เพื่อ
ให้เลือกข้อมูลของสาขาต่างๆ ดังนี้
(1) สาขาที่ 2 (Store 02)
(2) สาขาที่ 3 (Store 03)
(3) สาขาที่ 10 (Store 10) และ สาขาที่ 15 (Store 15) พร้อมกัน
3. จงเปลี่ยนวันที่ที่ใช้ในการคำนวณแอตทริบิวต์ Recency จากเดิมที่เป็นวันที่ 1
สิงหาคม 2015 ให้เป็นวันต่างๆ ดังนี้
(1) วันที่ 12 สิงหาคม 2015
(2) วันที่ 31 ธันวาคม 2014
(3) วันที่ปัจจุบัน
4. จงบันทึกโพรเซสที่สร้างได้จากแบบฝึกหัดท้ายบทนี้ลงไปในโฟลเดอร์ exercise
ที่สร้างในข้อที่ 1
65

Preprocessing with RapidMiner Studio 6

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (7)

Similar to Preprocessing with RapidMiner Studio 6

Similar to Preprocessing with RapidMiner Studio 6 (20)

More from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

More from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University (9)

Preprocessing with RapidMiner Studio 6