資料探勘技術於圖書館讀者資料分析與應用 / Analysis and Application of Data Mining Technology in Library Readers' Data

這是中華民國圖書館學會 110 度圖書館智慧服務與創新學習研習班的上課內容。在此做個記錄。 課程大綱 / Outline 本課程是由三個主題所構成。每個主題都有對應的教材檔案與學習任務。這三個主題個別是： Chapter 1. 神鳥領航：Weka簡介  Chapter 2. 看穿因果：熱點分析 Chapter 3. 洞悉未來：時間序列預測 以下是這三個主題的資料。 Chapter 1. 神鳥領航：Weka簡介 / Introduce to Weka Google投影片線上檢視：https://docs.google.com/presentation/d/1gzoWOMkB4RpUsZ9q2F7oWQHsG1uof1WkMWfWaDUyUDU/edit?usp=sharing  Power Point格式備份：GitHub、 Google Drive、 One Drive、 Mega、 Box、 MediaFire、 SlideShare 本章會介紹的內容包括： 認識Weka Weka的下載、安裝與開啟 實機操作：Weka的屬性分析 本章會用到的教材如下： Weka軟體下載：3.8.1 (Windows 64位元) 其他版本下載：支援Windows、Mac OS、Linux版本。Windows版本請下載includes Oracle's Java VM的檔案 請注意你的電腦是64 bit還是32 bit，如何判斷作業系統版本請看此說明。 Mac OS如何安裝Weka：解決「遇上無法打開「...」，因為它來自未識別的開發者。」的問題。 LibreOffice下載 / Download LibreOffice https://zh-tw.libreoffice.org/download/libreoffice-still/  資料集 / Dataset 借閱逾期讀者資料集2020 快問快答 / Quiz 快問快答：認識讀者 這是小測驗喔，完成實作的話就會看到解答了。 Chapter 2. 看穿因果：熱點分析 / Hotspot Analysis Google投影片線上檢視：https://docs.google.com/presentation/d/1_TI_a13WhFUG_GglneVXIdYeTJAf3aq9hryPY5TeqFI/edit?usp=sharing Power Point格式備份：GitHub、 Google Drive、 One Drive、 Mega、 Box、 MediaFire、 SlideShare 本章會介紹的內容包括： 什麼樣的讀者容易借書逾期？ 實機操作：熱點分析 熱點分析簡介 看穿因果：深入數據因果之下 本章會用到的教材如下： 資料集 / Dataset 借閱逾期讀者資料集2020 轉換工具：HotSpot分析結果轉換工具 學習任務 / Quiz & Learning Sheet   快問快答：什麼讀者不逾期 學習單：熱點分析 Chapter 3. 洞悉未來：時間序列預測 / Time Series Prediction Google投影片線上檢視：https://docs.google.com/presentation/d/1iBT4_UZDq_BVbEDw3XHyTH6j04XBIkfl3qd39R12AFo/edit?usp=sharing Power Point格式備份：GitHub、 Google Drive、 One Drive、 Mega、 Box、 MediaFire、 SlideShare 本章會介紹的內容包括： 預測下個月的入館人次 實機操作：時間序列預測 時間序列預測簡介 實機操作：更換演算法 多變項時間序列預測 結語：時間序列預測的下一步 本章會用到的教材如下： 資料集 / Dataset 入館人次6月到7月歷史資料 轉換工具：試算表轉ARFF轉換工具 入館人次1月到8月歷史資料 學習任務 / Learning sheet 學習單：時間序列預測 小結 / In closing 一開始設計這些內容的時候，我是打算在三小時內教完。但實際上三小時只講到Chapter 2的一半，而且沒有足夠多的時間讓大家實作，實在是有點可惜。現在回頭看了看當初的規劃，這些內容應該可以重新安排成6週、每週2小時的課程內容，並讓學生可以換個資料來做更多的實作。 https://blog.pulipuli.info/2023/05/explainable-text-mining.html  附帶一提，後來熱點分析的部分內容演化成解釋性文字探勘的文字雲了。這邊的文字雲就不是單純用詞頻來顯示詞彙的大小，而是用跟熱點分析相關的子群組探勘的評估指標來呈現，使得最後結果更具可解釋性。 總之，希望對大家有所幫助。這篇記錄就到此為止了。 文章最後的提問是：你對那個主題比較感興趣呢？ 1. 神鳥領航：Weka簡介 2. 看穿因果：熱點分析 3. 洞悉未來：時間序列預測 4. 解釋性文字探勘的文字雲 5. 嗯...沒什麼看法 歡迎在下面留言喔！