Supervised machine learning

ทำความเข้าใจ Data Science

Lis Sulmont

Curriculum Manager, DataCamp

กระบวนการทำงานด้าน Data Science

Supervised machine learning คืออะไร?

• Machine learning: การพยากรณ์จากข้อมูล
• Supervised machine learning: การพยากรณ์จากข้อมูลที่มี labels และ features
  • ระบบแนะนำ
  • การวินิจฉัยภาพทางชีวการแพทย์
  • การจดจำตัวเลขลายมือ
  • การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

กรณีศึกษา: การพยากรณ์การสูญเสียลูกค้า

สรุป Supervised machine learning

• พยากรณ์จากข้อมูล
• ข้อมูลประกอบด้วย features และ labels
  • Label: สิ่งที่ต้องการพยากรณ์
  • Features: ข้อมูลที่ใช้พยากรณ์ label
• โมเดลที่ฝึกแล้วสามารถพยากรณ์ได้

การประเมินโมเดล

แบ่งข้อมูลในอดีตออกเป็นชุดฝึกและชุดทดสอบ

การประเมินโมเดล

การประเมินโมเดล

การประเมินโมเดล

• การตรวจสอบทั้งสองผลลัพธ์มีความสำคัญสำหรับเหตุการณ์ที่เกิดขึ้นน้อย
• โมเดลมีความแม่นยำ 0% ในการพยากรณ์ผลลัพธ์การสูญเสียลูกค้าที่เกิดขึ้นจริง

มาฝึกกันเถอะ!

ทำความเข้าใจ Data Science