Sign in Subscribe

Narut Soontranon

Narut Soontranon

Data Science | AI | Machine Learning | Deep Learning

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

PCA (Principal Component Analysis)

PCA (Principal Component Analysis)

เป็นเทคนิคที่จัดอยู่ในประเภทของ Unsupervised Learning ใช้สำหรับการลดจำนวนมิติของข้อมูล (Dimensionality Reduction) ถูกนำมาใช้ในการประมวลผลข้อมูลก่อนหน้า (Data Pre-processing) เนื่องจากการใช้ข้อมูลที่มีมิติจำนวนมาก สำหรับ Train Machine Learning Model อาจส่งผลทำให้ประสิทธิภาพของ Model แย่ลง มี

Intro to Machine Learning (Ep.2/2)

Intro to Machine Learning (Ep.2/2)

อ่าน Ep.1 ได้ที่ https://www.nerd-data.com/intro_ml_ep1/ Part 2 : Reinforcement Learning (RL) * ในที่สุด เราก็มีบางอย่างที่ใกล้เคียง AI * ในบทความหลายฉบับ บอกว่า RL คือ สิ่งที่อยู่ระหว่าง Supervised และ Unsupervised แต่จริง ๆ แล้วมั

Intro to Machine Learning (Ep.1/2)

Intro to Machine Learning (Ep.1/2)

เนื้อหา * ทำไมถึงต้องมี Machine Learning (ML) * Part 1 : Classical Machine Learning (Traditional ML) * 1.1) Supervised I) Classification II) Regression * 1.2) Unsupervised I) Clustering II) Dimensionality Reduction III) Association Rule * Part 2 : Reinforcement Learning (RL) * Part 3 : Ensemble Methods * I) Stacking II) Bagging III) Boosting * Part 4

Customer Look-alike Model

Customer Look-alike Model

ค้นหาลูกค้าที่มีคุณค่าสูงสุด โดยใช้ Customer Look-alike Model ในทางธุรกิจ การทราบถึงลูกค้าที่มีคุณค่า (Value) สูงสุด โดยการวิเคราะห์คุณลักษณะและพฤติกรรมของลูกค้ากลุ่มนี้ สามารถนำไปพัฒนากลยุทธ์การตลาดที่มุ่งเป้าหมาย ในการหาลูกค้ารายใหม่ที่มี