# 作業二 : 開放資料 AI 分析

> 作者：黃柏豪
> 學號：D1249756
> Email: [e-mail]
> [name=alpha lucio]
> [time=Wed, Oct 4, 2023 8:21 PM]

## 前言
此為逢甲大學大一計算機概論的課堂作業，使用 RapidMiner 作為分析工具。
這份文件是一個教學說明，讓大家可以跟著以下步驟去試驗我所做的 AI 分析。

## 目錄
:::spoiler 點選即打開
[TOC]
:::

---

## 資料介紹

選用的資料為台中氣候站的監測資料，時間點為 2022 全年度，每筆資料的紀錄時間以天為單位。

:::info
臺中氣候站站點資料一覽：
- 站碼：467490
- 中文站名：臺中
- 高度：84.04
- WGS84十分位經度座標：120.6841
- WGS84十分位緯度座標：24.1457
- 城市：臺中市
- 地址：北區精武路295號
- 區域名稱：中區
:::

### 採計的資料類別

| 採計資料 | 英文縮寫 | 單位名稱 |
| -------- | -------- | -------- |
| 觀測時間 | ObsTime | 天（Day） |
| 測站氣壓 | StnPres | 百帕（hPa）|
| 海平面氣壓 | SeaPres | 百帕（hPa） |
| 測站最高氣壓 | StnPresMax | 百帕（hPa） |
| 測站最低氣壓 | StnPresMin | 百帕（hPa） |
| 氣溫 | Temperature | 攝氏(℃) |
| 最高氣溫 | T Max | 攝氏(℃) |
| 最低氣溫 | T Min | 攝氏(℃) |
| 露點溫度 | Td dew point | 攝氏(℃) |
| 相對濕度 | RH | 百分比（%） |
| 最小相對濕度 | RHMin | 百分比（%） |
| 風速 | WS | 公尺 / 每秒 ( ㎧ ) |
| 日照時數 | SunShine | 小時（hr） |
| 日照率 | SunshineRate | 百分比（%） |
| 總雲量 | Cloud Amount | 十分量（0~10） |
| 地溫（離地0~100cm） | TxSoil | 攝氏（℃） |
| 降雨量 | Precp | 毫米（mm） |

### 檔案出處
[CODIS 氣候資料服務系統](https://codis.cwb.gov.tw/StationData)

[氣象資料的特徵與意義（官方說明文件）](https://codis.cwb.gov.tw/pdf_data/Readme.pdf?1696488894852)

[文章使用的數據檔案（Excel CSV.），存於 Google 雲端](https://drive.google.com/file/d/19Q_CfEkbF-fi3fzXeR_s3vCUrwwki6Ep/view?usp=sharing)

## 分析目標

利用課堂所學的機器學習，來讓 AI 去預測未來會不會下雨
相當於製作一個的極簡易版本的下雨預報

## 分析流程
### 檔案下載與整理
1. 從 **CODIS 氣候資料服務系統**中找到臺中市的氣象站

2. 找到**月報表逐日資料**，下載2022年12個月份的 CSV 檔案

3. 將全部的檔案合併成一份
4. 將非上述 [採計的資料類別](#採計的資料類別)、資料的英文名稱全部刪除，以免影響之後 RapidMiner 的檔案讀取
5. 尋找並以 0 取代所有包含 T 或 X 的欄位

6. 在整份資料的最右邊的第2行打上 Excel 的判斷公式，資料欄位為降雨量數據的第一行，此欄資料名稱設為**是否降雨**

$$=IF( 資料欄位>0, "Yes", "No" )$$

7. 向下拉動自動填入的方格，完成判斷該日是否為下雨天的步驟

:::success
到此，我們已經完成檔案的下載與整理步驟了。
:::

### RapidMiner 配置

1. 下載 RapidMiner ( 本文使用 10.2.0 win64 版本 )，登入帳號

3. 在左下角運算符搜尋框中搜尋 Naive Bayes，拖入流程視窗中

5. 在右下角的幫助視窗中點選 Jump to Tutorial Process

6. 點選 Apply Naive Bayes to the Iris Data Set

7. 刪除 Retrieve

8. 在左下角運算符搜尋框中搜尋 Read CSV.，拖入流程視窗中

10. 點選 ReadCSV.，在右上角的參數中點選導入配置嚮導

11. 點選我們整理好的 Excel 檔案


12. 設定列的格式，更改角色與排除列，完成導入資料的設定：
- 觀測日期設為 ID

- 是否降雨設為 Label

- 排除降雨量（避免影響）

13. 按下左上角的在本地運行流程（快捷鍵 F11）

:::success
到此，我們已經完成所有分析流程的步驟了
:::

---

## 分析結果
以下是將 Split Data 設為 **0.5 : 0.5** 的結果截圖

以下是將 Split Data 設為 **0.6 : 0.4** 的結果截圖

以下是將 Split Data 設為 **0.7 : 0.3** 的結果截圖

以下是將 Split Data 設為 **0.8 : 0.2** 的結果截圖

## 結果解釋
在使用上述資料進行分析之後，機器能夠正確判讀是否下雨的準確度約在 76% ~ 82% 之間游移。

我認為這結果貼近於我們的正常生活，畢竟天氣時刻都在轉變，AI 能為我們提供過去到現今天氣的總整，但對於未來的不確定性，仍無法做到 100% 準確預測。

## 常見問題

### RapidMiner 視窗配置錯誤，希望重新回復到最初設定

在查看（View）中找到**恢復默認視圖**，即可重置視窗設定


### 我的中文呢? 中文設定跑掉

在設置（Settting）中找到**偏好**，即可找到語言設定
然後在語言設置裡選為 **zh**，將軟體重啟即可轉為中文介面


<style>

html, body, .ui-content {
background-color: #333;
color: #ddd;
}

.markdown-body h1,
.markdown-body h2,
.markdown-body h3,
.markdown-body h4,
.markdown-body h5,
.markdown-body h6 {
color: #ddd;
}

.markdown-body h1,
.markdown-body h2 {
border-bottom-color: #ffffff69;
}

.markdown-body h1 .octicon-link,
.markdown-body h2 .octicon-link,
.markdown-body h3 .octicon-link,
.markdown-body h4 .octicon-link,
.markdown-body h5 .octicon-link,
.markdown-body h6 .octicon-link {
color: #fff;
}

.markdown-body img {
background-color: transparent;
}

.ui-toc-dropdown .nav>.active:focus>a, .ui-toc-dropdown .nav>.active:hover>a, .ui-toc-dropdown .nav>.active>a {
color: white;
border-left: 2px solid white;
}

.expand-toggle:hover,
.expand-toggle:focus,
.back-to-top:hover,
.back-to-top:focus,
.go-to-bottom:hover,
.go-to-bottom:focus {
color: white;
}

.ui-toc-dropdown {
background-color: #333;
}

.ui-toc-label.btn {
background-color: #191919;
color: white;
}

.ui-toc-dropdown .nav>li>a:focus,
.ui-toc-dropdown .nav>li>a:hover {
color: white;
border-left: 1px solid white;
}

.markdown-body blockquote {
color: #bcbcbc;
}

.markdown-body table tr {
background-color: #5f5f5f;
}

.markdown-body table tr:nth-child(2n) {
background-color: #4f4f4f;
}

.markdown-body code,
.markdown-body tt {
color: #eee;
background-color: rgba(230, 230, 230, 0.36);
}

a,
.open-files-container li.selected a {
color: #5EB7E0;
}

</style>