Page 6 - 6.Machine Learning for Data Science
P. 6

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop  |  5

                  บทที่ 1 การวิเคราะหเชิงทำนาย (Predictive Analytics



                           ในบทนี้จะกลาวถึงนิยามของการวิเคราะหเชิงทำนาย รูปแบบโมเดลของการวิเคราะหเชิงทำนาย ประโยชนของ
                  การวิเคราะหเชิงทำนาย และกระบวนการสำคัญของการวิเคราะหเชิงทำนาย


                  1.1  วัตถุประสงคการเรียนรู


                           เพื่อใหผูเรียน

                           1)  ทราบถึงความหมายของการวิเคราะหเชิงทำนาย
                           2)  ทราบถึงรูปแบบของการวิเคราะหเชิงทำนาย

                           3)  ทราบถึงประโยชนของการวิเคราะหเชิงทำนาย

                           4)  สามารถสังเคราะหความรูเกี่ยวกับการวิเคราะหเชิงทำนายเพื่อนำไปใชประโยชนได

                  1.2  นิยามของการวิเคราะหเชิงทำนาย


                         ความหลากหลายของเทคนิคเชิงสถิติไมวาจะเปนการทำเหมืองขอมูล (data mining  การสรางโมเดลในการการ

                  พยากรณ (prediction model  และการเรียนรูของจักรกล (machine learning  เทคนิคดังกลาวมักถูกนำมาใชในการ

                  วิเคราะหสภาพความเปนจริงในอดีต จนถึงปจจุบันเพื่อการทำนายเหตุการณในอนาคต หรือใชในการตอบคำถามสิ่งที่ยัง
                  อธิบายไมได สิ่งเหลานี้ลวนเปนพื้นฐานของการวิเคราะหเชิงทำนาย ดังนั้นอาจสรุปไดวาการวิเคราะหเชิงทำนายคือการนำเอา

                  ขอมูลตางๆ อาจเปนขอมูลเชิงสถิติแบบเดี่ยว หรือขอมูลที่มีความหลากหลายตั้งแตอดีตจนถึงปจจุบันจำนวนมากมาหา

                  ความสัมพันธเพื่อพิจารณา วิเคราะหแนวโนมการเปลี่ยนแปลงของขอมูลผลลัพธ โดยที่โมเดลของการทำนายที่มีอยูในปจจุบัน
                  จะมี 2 รูปแบบหลักคือ


                                      1.  โมเดลการวิเคราะหเชิงทำนายแบบอางอิงตัวแปร (parametric predictive modelling
                                         เปนรูปแบบเงื่อนไขชัดเจน

                                      2.  โมเดลการวิเคราะหเชิงทำนายแบบอิสระซึ่งไมอางอิงตัวแปร (non-parametric modelling

                                         เปนรูปแบบที่เกิดขึ้นเพื่อแกปญหาความไมขัดเจน
                      สำหรับขอดีขอเสียของโมเดลการทำนายทั้งสองรูปแบบและการใชงานในการวิเคราะหมีรายละเอียดที่แตกตางกันดังนี้


                       1.1.1.  โมเดลการวิเคราะหเชิงทำนายแบบอางอิงตัวแปร

                           การสรางโมเดลการทำนายแบบอางอิงตัวแปรจะมีเงื่อนไขของการสรางสมการ หรือโมเดลที่ชัดเจน มีมิติคงที่ โดย

                  ไมขึ้นกับจำนวนตัวอยาง (samples  ที่ใชในการสอนโมเดลนั่นคือจำนวนพารามิเตอรจะคงที่ไมวาจำนวนตัวอยางจะมีจำนวน

                  เทาไร การสรางโมเดลรูปแบบอางอิงตัวแปรมีขั้นตอนหลักที่จำเปน 2 ขั้นตอนคือการเลือกรูปแบบหรือเทคนิคที่เหมาะสมใน
                  การวิเคราะห และขั้นตอนการเรียนรูคาสัมประสิทธิ์ของการทำงาน จุดเดนของการวิเคราะหดวยโมเดลแบบอางอิงตัวแปร คือ

                  โมเดลในการทำนายงายตอการนำไปใช และมีผลลัพธที่เขาใจไดงาย ตองการขอมูลฝกสอนจำนวนไมมากนัก รูปแบบการ

                  วิเคราะหถูกพิสูจนใหเหมาะกับ mapping function โดยรูปแบบพื้นฐานของการสรางโมเดลสำหรับการวิเคราะหเชิงทำนาย


                   INTRODUCTION TO IOT ANALYTICS USING HADOOP                                        สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร
   1   2   3   4   5   6   7   8   9   10   11