Sign in Subscribe

machine learning

Decision Tree & Ensemble Methods

Decision Tree & Ensemble Methods

หากจะพูดถึง Machine Learning Algorithm ที่รู้จักกันเป็นอย่างดี นั่นก็คือ Decision Tree และ Ensemble Methods ใช้สำหรับการทำ Supervised Learning ได้ทั้ง Regression (ทำนายตัวเลข) และ Classification (ทำนาย Class) . CART ย่อจาก Classification and Regression Tree รู้จักกันในชื่อ Decision

มูลค่าทางธุรกิจ กับ Confusion Matrix

มูลค่าทางธุรกิจ กับ Confusion Matrix

หากต้องการทำความเข้าใจ Confusion Matrix ก่อน สามารถอ่านได้ ที่นี่ ในกรณี การทำนายลูกค้าที่จะ Churn หรือ Churn Prediction Model 💸 มูลค่าทางธุรกิจ ที่เกิดขึ้นสำหรับทั้ง 4 ค่า ของ Confusion Matrix 1) True Positive - ลูกค้าที่ Churn และโมเดลทำนายถูกว่า

Confusion Matrix

Confusion Matrix

Classification Model เป็นการพยายามทำนาย Class ถือเป็น Machine Learning ประเภท Supervised Learning หากค่าที่ต้องการทำนายมี 2 Classes เรียกว่า Binary Classification เช่น การทำนายลูกค้าที่จะ Churn หรือ Churn Prediction Model วิธีการวัดประสิทธิภาพของ Model สามารถพิจารณาได้จาก Confusion Matrix สิ่งที

Machine Learning Pipeline

Machine Learning Pipeline

คือ วิธีการแบบอัตโนมัติสำหรับขั้นตอนการทำงานของ Machine Learning Model ตั้งแต่การเตรียมข้อมูลไปจนถึงการประเมิน Model (Evaluation) เป็นลำดับของขั้นตอนต่างๆ ในการประมวลผลข้อมูล โดยผลลัพธ์ของขั้นตอนก่อนหน้า จะกลายเป็นข้อมูล Input ของส่วนถัดไป โดย Pipeline จะช่วยให้ 1.

Next Best Offer (NBO)

Next Best Offer (NBO)

เป็นวิธีการวิเคราะห์เชิงคาดการณ์ที่ใช้เพื่อทราบถึงผลิตภัณฑ์หรือบริการที่เหมาะสมที่สุดที่จะเสนอให้กับลูกค้าในครั้งถัดไป โดยอิงจากคุณลักษณะและพฤติกรรมของลูกค้า ในบริษัทประกันภัย NBO สามารถช่วยบริษัทแนะนำผลิตภัณฑ์ประกันภัยที่เกี

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