- instant: record index- dteday : d

- instant: record index
- dteday : date
- season : season (1:springer, 2:summer, 3:fall, 4:winter)
- yr : year (0: 2011, 1:2012)
- mnth : month ( 1 to 12)
- hr : hour (0 to 23)
- holiday : weather day is holiday or not (extracted from [Web Link])
- weekday : day of the week
- workingday : if day is neither weekend nor holiday is 1, otherwise is 0.
+ weathersit :
- 1: Clear, Few clouds, Partly cloudy, Partly cloudy
- 2: Mist + Cloudy, Mist + Broken clouds, Mist + Few clouds, Mist
- 3: Light Snow, Light Rain + Thunderstorm + Scattered clouds, Light Rain + Scattered clouds
- 4: Heavy Rain + Ice Pallets + Thunderstorm + Mist, Snow + Fog
- temp : Normalized temperature in Celsius. The values are derived via (t-t_min)/(t_max-t_min), t_min=-8, t_max=+39 (only in hourly scale)
- atemp: Normalized feeling temperature in Celsius. The values are derived via (t-t_min)/(t_max-t_min), t_min=-16, t_max=+50 (only in hourly scale)
- hum: Normalized humidity. The values are divided to 100 (max)
- windspeed: Normalized wind speed. The values are divided to 67 (max)
- casual: count of casual users
- registered: count of registered users
- cnt: count of total rental bikes including both casual and registered





Report (written in Thai)

Explain data set information

Explain your main objective of doing data mining (to classify [identify which
attribute], or to cluster data into [how many] groups, to find association
between attributes, etc).

Explain the method you do mining on the selected data (that is, what
algorithm you choose)

Explain the outcome you obtained from doing data mining

ผลลัพธ์ (ไทย) 1:

- instant: record index- dteday : date- season : season (1:springer, 2:summer, 3:fall, 4:winter)- yr : year (0: 2011, 1:2012)- mnth : month ( 1 to 12)- hr : hour (0 to 23)- holiday : weather day is holiday or not (extracted from [Web Link])- weekday : day of the week- workingday : if day is neither weekend nor holiday is 1, otherwise is 0.+ weathersit : - 1: Clear, Few clouds, Partly cloudy, Partly cloudy- 2: Mist + Cloudy, Mist + Broken clouds, Mist + Few clouds, Mist- 3: Light Snow, Light Rain + Thunderstorm + Scattered clouds, Light Rain + Scattered clouds- 4: Heavy Rain + Ice Pallets + Thunderstorm + Mist, Snow + Fog- temp : Normalized temperature in Celsius. The values are derived via (t-t_min)/(t_max-t_min), t_min=-8, t_max=+39 (only in hourly scale)- atemp: Normalized feeling temperature in Celsius. The values are derived via (t-t_min)/(t_max-t_min), t_min=-16, t_max=+50 (only in hourly scale)- hum: Normalized humidity. The values are divided to 100 (max)- windspeed: Normalized wind speed. The values are divided to 67 (max)- casual: count of casual users- registered: count of registered users- cnt: count of total rental bikes including both casual and registeredReport (written in Thai)Explain data set informationExplain your main objective of doing data mining (to classify [identify which attribute], or to cluster data into [how many] groups, to find association between attributes, etc).อธิบายวิธีการทำเหมืองข้อมูลที่เลือกของคุณ (นั่นคือ อะไร คุณเลือกขั้นตอนวิธี)อธิบายผลที่คุณได้รับจากการทำเหมืองข้อมูล

ผลลัพธ์ (ไทย) 3:

- ทันที : บันทึกดัชนี
-
- dteday วันที่ฤดู : ฤดู ( 1 : Springer , 2 : 3 : 4 ฤดูร้อน ฤดูใบไม้ร่วง ฤดูหนาว )
- ปี : ปี 2011 , 0 : 1:2012 )
- mnth : เดือน ( 1 ถึง 12 )
- HR : ชั่วโมง ( 0 - 23 )
- วันหยุด : วันหยุด หรือวันที่อากาศไม่ ( สกัดจาก [ เว็บ ] )
- วันธรรมดา : วันของสัปดาห์
- workingday : วัน ถ้าไม่ใช่วันหยุดหรือวันหยุด 1 , มิฉะนั้นจะ 0
weathersit :
- 1 : ล้างไม่กี่เมฆมีเมฆบางส่วน บางส่วนของเมฆ
- 2 : หมอกเมฆ หมอก เมฆ หมอก เมฆ เสีย , บาง , หมอก
- 3 : หิมะฝนฟ้าคะนองกระจายแสง แสง แสง เมฆฝนเมฆกระจัดกระจาย
- 4 : ฝนตกหนักพายุหิมะน้ำแข็งของหมอก หมอก
- อุณหภูมิ : อุณหภูมิ 20 องศาเซลเซียส ค่าจะได้มาผ่าน ( t-t_min ) / ( t_max-t_min ) t_min = - 8 , t_max = 39 ( เฉพาะในแบบรายชั่วโมง )
- atemp : ปกติรู้สึกอุณหภูมิใน C ค่าจะได้มาผ่าน ( t-t_min ) / ( t_max-t_min ) t_min = 16 , t_max = 50 ( เฉพาะในแบบรายชั่วโมง )
- ฮัม : ปกติความชื้น ค่าจะแบ่งออกเป็น 100 ( max )
- สิ้นลม : ความเร็วลม ค่าจะแบ่งออกเป็น 67 ( สูงสุด )
- สบายสบาย : นับของผู้ใช้ที่ลงทะเบียน :
-
- CNT นับผู้ใช้ที่ลงทะเบียน :นับของจักรยานเช่าทั้งหมดรวมทั้งทั้งสบายและลงทะเบียนรายงาน





( เขียนภาษาไทย )

อธิบายชุดข้อมูลข้อมูล

อธิบายวัตถุประสงค์หลักของการทำเหมืองข้อมูล ( แยกระบุซึ่ง
[ คุณลักษณะ ] หรือกลุ่มข้อมูลใน [ กี่ ] กลุ่ม , ค้นหาสมาคม
ระหว่างแอตทริบิวต์ ฯลฯ )

อธิบายวิธีการทำเหมืองบนข้อมูลที่เลือก ( คือสิ่งที่
วิธีที่คุณเลือก )

อธิบายผลลัพธ์ที่คุณได้รับจากการทำเหมืองข้อมูล