Page 27 - 6.Machine Learning for Data Science

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop | 26

ตารางที่ 3 ผลลัพธของการแบงกลุมโดยโปรแกรม

คะแนน ผลลัพธ
100 1
25 2

40 2
90 1

50 2
85 1
55 2

42 2

3.การเรียนรูแบบเสริมกำลัง (Reinforcement Learning การเรียนรูในรูปแบบนี้จัดเปนการเรียนรูที่มีรูปแบบเปน
ระบบสมองกลอัจฉริยะ หรือปญญาประดิษฐ (Artificial Intelligence มากที่สุด เนื่องจากมีการเรียนรูและสามารถ
เปลี่ยนแปลงไปตามสิ่งแวดลอม เปนการเรียนรูที่คอมพิวเตอรจะสนใจตอสิ่งแวดลอมเปนพิเศษ ตัวอยางหนึ่งที่ชัดและเขาใจ

งายที่สุดคือการฝกหัดเดินของเด็ก โดยในการฝกเดินแตละครั้ง มีหลายปจจัยที่ตองคิด ที่จะตองทำใหไดเชน
 ยืนอยางไร
 พื้นเสมอหรือไม

 ทิ้งน้ำหนักตัวตรงไหน
 กางแขนกี่องศา
 กาวเทาระยะเทาไหร

 ยกขาสูงแคไหน

สิ่งตาง ๆ เหลานี้ดูยากมากสำหรับเด็กเล็กๆ ดังนั้นจะตองทดลองเดินหลายๆ ครั้ง โดยมีการใหรางวัลเด็กเมื่อสามารถ
เดินไดสำเร็จ ซึ่งรางวัลเปนการเสริมใหเด็กทราบวานี่คือสิ่งที่ดีที่ถูกตอง แตถาไมเดินก็ไมใหรางวัล เด็กก็จะเขาใจวาการทำใน

รูปแบบใดถูกตอง หรือไมถูกตอง ดีหรือไมดี ซึ่งรูปแบบการฝกก็จะเปนไปตามรูปที่ 4.3

รูปที่ 4.3 การฝกเดินของเด็ก

การเรียนรูแบบเสริมกำลังเหมาะมากกับโจทยบางประเภท เชนการหากลยุทธที่ทำใหชนะเกมตางๆ เชนเดินออก
จากเขาวงกต วิธีรูปแบบการเรียนรูแบบเสริมกำลังที่เปนที่นิยมเชน Markov Decision Processes (MDP , Q-learning

INTRODUCTION TO IOT ANALYTICS USING HADOOP สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร