Page 181 - python
P. 181

155




                                                          บทที่ 12

                             การเขียนโปรแกรมภาษาไพธอนสําหรับ Machine Learning เบื้องตน


                   แนวคิด
                          การเขียนโปรแกรมแบบเดิมที่ไมใชวิธีการทาง Machine Learning จะตองกําหนดกฎเกณฑและ
                   เงื่อนไขอยางชัดเจน ในขณะที่ Machine Learning จะสรางเงื่อนไขตาง ๆ เก็บไวในโมเดลที่เครื่องจักร
                                                                             ั
                   เรียนรูและสรางเปนสมการคณิตศาสตรเอาไวภายในโมเดลทําใหการพฒนาโปรแกรมมีความสะดวกและมี
                   ประสิทธิภาพ นอกจากนั้นมีการประยุกตใช Machine Learning ในวงการตาง ๆ อยางกวางขวาง
                                                            ี
                          ในบทนี้จะนําเสนอเนื้อหาเกยวกบการเขยนโปรแกรมแสดงผลตัวเลขเจ็ดสวน Seven Segment
                                                     ั
                                                 ี่
                        ํ
                   แบบกาหนดเงื่อนไขและแบบใชงาน Machine Learning และกลาวถึง Simple Linear Regression การ
                   พล็อตขอมล การเขยนโปรแกรมคํานวณสมการเสนตรงวิธี Simple Linear Regression การนําสมการ
                                    ี
                            ู
                                                                  ี
                   Simple Linear Regresion ไปใชพยากรณขอมล การเขยนโปแกรม Metric สําหรับวัดประสิทธิภาพของ
                                                          ู
                   โมเดล เชน RMSE และ R2 หลักการ Machine Learning นิวรอนและคาน้ําหนัก Activation Functions
                                                                      ํ
                   Optimizer การจําแนกประเภทดวย Decision Tree การจาแนกประเภทและพยากรณคําตอบดวย
                   Support Vector Machine (SVM) การจําแนกประเภทและพยากรณคําตอบดวย Neural Network การ
                                                                                  
                   จัดกลุมขอมลดวย K-Means การเขยนโปรแกรมพยากรณและจัดหมวดหมูขอมูล การเขียนโปรแกรมจัด
                             ู
                                                 ี
                   หมวดหมูภาพภูเขาและทะเล

                   วัตถุประสงค

                          1. อธิบายความแตกตางระหวางการเขียนโปรแกรมใช/ไมใช Machine Learning ได
                          2. อธิบายการสรางและใชงานสมการ Simple Linear Regression ได
                          3. อธิบายการสรางและใชงานโครงขายประสาทเทียมแกปญหา And Gate ได

                          4. อธิบายการสรางและใชงาน Logistic Regression พยากรณภาพภูเขาและทะเลได

                   12.1 ความหมายและประเภทของ Machine Learning
                          การเรียนรูของเครื่องจักร (Machine Learning) คือ การนําขอมูลสงใหเครื่องจักรเรียนรูคําตอบ

                   ซึ่งแบงออกเปน 3 แบบ
                          1)  Supervised Learning คือ การเรียนรูแบบมีคําตอบ วิธีการนี้เปนการปอนขอมูลและคําตอบ
                                             
                                                                
                                                         
                                ่
                                   
                              เพอใหเครองจกรคนหาวิธีการแกปญหาใหไดมาซึ่งคําตอบ
                                ื
                                      ่
                                         ั
                                      ื
                                                                        ี
                                                                                               
                          2)  Unsupervised Learning คือ การเรียนรูแบบไมมคําตอบ วิธีการนี้จะปอนขอมูลโดยไมมี
                              คําตอบ ดังนั้น เครื่องจักรจะพยายามจัดกลุมขอมูลที่มีความคลายคลึงกันและแยกเปนกลุม
                          3)  Reinforcement Learning คือ วิธีการเรียนรูแบบใหรางวัล (reward) หรือลงโทษ
                              (punishment) แนวคิดนี้สามารถสอนเครื่องจักรใหเอาชนะแชมปการเลนเกมโกะระดับ
                              สากลได
   176   177   178   179   180   181   182   183   184   185   186