Sign in Subscribe

machine learning

SHAP (SHapley Additive exPlanations)

SHAP (SHapley Additive exPlanations)

เป็นวิธีการที่ใช้ในการพัฒนา Machine Learning Model สำหรับการอธิบายผลลัพธ์ของ Model มีรายละเอียดดังนี้ 1) ค่า Shapley: SHAP อิงตามค่า Shapley จาก Game theory ในบริบทของ Machine Learning คุณลักษณะ (features) ถูกมองว่าเป็น "Players" ในเกมที่การทำนายคือ

Machine Learning Model Deployment

Machine Learning Model Deployment

การนำ Machine Learning (ML) Model ไปใช้งานจริงบน Production มีกระบวนการในการนำ ML Model ที่ผ่านการ Train แล้วไปใช้ใน Production Environment เพื่อใช้ในการคาดการณ์หรือตัดสินใจจากข้อมูลใหม่ ๆ ดังนี้ 1) การเตรียม Model: * ข้อสรุปสถาปัตยกรรมของ Model และ Hyper-parameters * การตรวจสอบให้แน่ใจว่า Model

Graph Networks

Graph Networks

เป็นโครงสร้างข้อมูลอันทรงพลังที่ถูกนำมาใช้ใน Data Science และ Machine Learning เพื่อวิเคราะห์ความสัมพันธ์ที่ซับซ้อนระหว่าง Entities ต่างๆ Graph Networks ประกอบด้วย: 1. Nodes (Vertices): แทน Entities 2. Edges: แทนความสัมพันธ์ระหว่าง Entities คุณลักษณะสำคัญ:

Imbalance Dataset

Imbalance Dataset

เป็นปัญหาที่พบบ่อยใน Machine Learning และ Data Science โดยที่ Class ของ Target ไม่ได้มีจำนวนที่เท่าเทียมกัน หมายความว่า Class หนึ่ง มีจำนวน Samples มากกว่า (Majority) Class อื่น ๆ (Minority) อย่างมีนัยสำคัญ 1. นิยาม: * ในปัญหา Binary Classification

Precision & Recall ในโลกแห่งความจริง

Precision & Recall ในโลกแห่งความจริง

มี Metrics สำคัญที่ Data Scientist ใช้ในการวัดประสิทธิภาพของ Classification models นั่นคือ 1) Precision และ 2) Recall มีสูตร ดังนี้ Precision = True Positive / (True Positive + False Positive) Recall = True Positive / (True Positive + False Negative) ตัวอย่างในโลกแห่งความจริง 1) การตรวจคัดกรองทางการแพทย์ จินตนาการถึ

K-Fold Cross Validation

K-Fold Cross Validation

K-fold Cross Validation เป็นเทคนิคที่มีประสิทธิภาพถูกนำมาใช้ใน Machine Learning (ML) เพื่อประเมิน (Evaluate) ประสิทธิภาพของ Model ป้องกันการเกิด Overfitting โดยทำการ Split dataset ไปเป็น k subsets ทำการ Train model จำนวน k ครั้ง ที่ Subsets ต่างๆ กัน จากนั้น

Hyper-parameters Tuning in Machine Learning

Hyper-parameters Tuning in Machine Learning

การปรับแต่ง Hyper-parameters เพื่อประสิทธิภาพของ Machine Learning Model ที่ดีขึ้น เป็นงานที่สำคัญที่สุดอันหนึ่งของ Data Scientist แม้ว่าการเลือก Algorithm ที่ถูกต้องและการประมวลผลข้อมูลล่วงหน้า (Data Pre-processing) ที่ดี ถือเป็นสิ่งสำคัญ แต่การทำ Model