Machine Learning ภาค 2 กลับมาแล้วครับ!
ครั้งที่แล้วเราพูดไปถึงเรื่อง Supervised Learning และ Unsupervised Learning
ครั้งนี้มาดูกันต่อว่ามันคืออะไร และมันเรียนรู้ยังไง
Supervised Learning
🖥 Supervised Learning คืออะไร?
Supervised Learning ถ้าแปลง่าย ๆ มันเป็นการเรียนรู้ที่ต้องมีคนมาสอนก่อน เจ้าคอมพิวเตอร์จะสามารถหาคำตอบหรือผลลัพธ์ได้ด้วยตัวมันเอง หลังจากที่ได้เรียนรู้จากข้อมูลที่คุณใส่และสอนมันไปก่อนหน้า
เมื่อมันรู้เรียนรู้แล้ว ในรอบต่อไปเมื่อคุณใส่ข้อมูลเพื่อให้มันวิเคราะห์ มันจะบอกผลลัพธ์ได้ทันทีตามที่คุณสอนมัน แต่มากกว่านั้น! หากข้อมูลที่คุณสอนมันมีจำนวนมาก ในครั้งต่อไปมันก็จะยิ่งให้ผลลัพธ์ที่แม่นยำมากยิ่งขึ้นเช่นกัน
การเรียนรู้แบบ Supervised Learning ที่เราได้ยินบ่อยๆ นี่ก็เช่น Classification, Regression เป็นต้น มาพูดถึง 2 ตัวนี้กันดีกว่าเพื่อให้เห็นภาพชัดขึ้น
🤖 Classification Learning คืออะไร?
การเรียนรู้แบบ Classification คือการที่คุณสอนให้มันแบ่งกลุ่มข้อมูลเพื่อการวิเคราะห์ ยกตัวอย่างเช่น ถ้าโรงพยาบาลแห่งนึงรวบรวมข้อมูลของคนไข้ที่เป็นเนื้องอกในสมอง คุณอยากรู้ว่าเขาจะเป็นเนื้องอกร้ายหรือเนื้องอกไม่อันตราย คุณจำเป็นต้องใส่ชุดข้อมูลและสอนมันว่า ขนาดเนื้องอกที่อยู่ระหว่าง 1 – 2 มม. คือเนื้องอกไม่อันตราย ขนาดเนื้อ 3-5 มม. เป็นเนื้องอกร้าย คอมพิวเตอร์ก็จะเรียนรู้การแบ่งกลุ่มตามที่คุณสอนไป เมื่อมีคนไข้ใหม่ที่เป็นเนื้องอกประมาณ 2 มม. คอมพิวเตอร์มันก็จะบอกคุณได้เลยว่าเขาเป็นเนื้องอกไม่อันตราย
แหม แต่จะสรุปแบบนี้ก็คงไม่ใช่ ว่าไหมล่ะครับ 🥸
เพราะในความเป็นจริงแล้วการที่จะดูว่าเขาเป็นเนื้องอกไม่อันตรายหรือร้ายนั้น มันไม่ได้ดูกันที่ขนาดอย่างเดียว แต่เราดูความเข้มของสี, รูปทรง, ความแข็งของเนื้องอก, ตำแหน่งที่อยู่, ลักษณะพื้นผิว และปัจจัยอื่นๆ อีกมาก ซึ่งปัจจัยพวกนั้นเยอะมากจนมนุษย์ไม่สามารถนำมาวิเคราะห์เองได้ว่าเป็นเนื้องอกดีหรือเนื้องอกร้ายโดยดูจากฟิล์มเอกซเรย์ แต่ Machine Learning ทำได้! โดยที่เราต้องใส่รายละเอียดข้อมูลทั้งหมดลงไปและสอนมันแยกประเภท ต่อไปมันก็จะสามารถบอกได้ว่าเนื้องอกแบบไหนเป็นเนื้องอกดีหรือเนื้องอกร้าย หากมันพัฒนาไปได้ไกล อนาคตอาจจะมีหมอที่ชื่อว่า Machine Learning มาช่วยวินิจฉัยโรคให้คนก็เป็นได้ นะครับ!
ในอนาคตอาจมีการวินิจฉัยโรคด้วย Machine Learning
หรืออีกตัวอย่างหนึ่งของการเรียนรู้แบบ Classification ก็เหมือนการที่คุณสอนเด็กแยกประเภทของสัตว์ คุณก็ให้เด็กดูรูปภาพเสือ แมว ในอิริยาบทต่างๆ แล้วบอกเด็กว่า "นี่เสือนะ นี่แมวนะ" เมื่อเด็กได้เรียนรู้แล้ว ครั้งต่อไปเมื่อเด็กไปเจอรูปเสือเขาก็จะสามารถบอกได้ว่านี่คือเสือหรือแมวนะ
🤖 Regression Learning คืออะไร ? เราจะยังไม่อธิบายครับแต่ขอยกตัวอย่างก่อน
หากคุณต้องการขายบ้าน จะขายในราคาเท่าไหร่ถึงจะดีงั้นเหรอ? ถ้าคุณใช้ Regression เป็น นั่นดีเลย คุณก็ใส่ชุดข้อมูลขนาดบ้านและราคาบ้านแบบต่างๆ ลงในคอมพิวเตอร์ คอมพิวเตอร์มันจะเรียนรู้จากชุดข้อมูลนั้นโดยที่มันจะวิเคราะห์ความสัมพันธ์ของทั้งสอง (ขนาดบ้านและราคาบ้าน) ออกมาเป็นสมการการประมาณราคาบ้านออกมา
ตีราคาอสังหาด้วย Machine Learning
ทีนี้เมื่อคอมพิวเตอร์มันได้เรียนรู้แล้วว่าขนาดบ้านและราคามีความสัมพันธ์กันอย่างไร เมื่อเราต้องการรู้ราคาบ้านของเราว่าจะขายได้เท่าไร เราก็ใส่ข้อมูลขนาดบ้านของเราลงไป เช่น บ้านขนาด 60 ตารางวา คอมพิวเตอร์ก็จะใช้วิธี Regression นี้ ปะมาณราคาบ้านออกมาให้เรา ในที่นี้ก็ประมาณ 610 บาท (อันนี้สมมตินะครับ ราคาบ้านจริงไม่น่าจะถูกขนาดนี้
นี่เป็นตัวอย่างที่เราดูความสัมพันธ์แค่ราคาและขนาดบ้าน ในความเป็นจริงยังมีตัวแปลที่มันส่งผลต่อราคาบ้าน เช่น บ้าน 2 ชี้น มีสระว่ายน้ำ อยู่ในย่านธุรกิจ อื่นๆ อีกมากมาย ตัวแปลเหล่านี้เราสามารถใส่ลงไป เพื่อที่จะให้คอมพิวเตอร์ประมาณราคาออกมาให้ได้
ผลลัพธ์ที่ได้จากการ Regression
แต่คุณต้องสอนมันก่อนนะ ไม่งั้นมันก็จะไม่รู้ว่าจะวิเคราะห์ยังไง
จบการอธิบายในส่วนของ Supervised Learning แล้ว ต่อไปเราจะมาดูว่า การเรียนรู้ของ Machine Learning แบบ Unsupervised Learning มันเรียนรู้ยังไง และต่างจาก Supervised Learning อย่างไรได้ต่อในตอนหน้าครับ! 👽
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
