Page 181 - python
P. 181
155
บทที่ 12
การเขียนโปรแกรมภาษาไพธอนสําหรับ Machine Learning เบื้องตน
แนวคิด
การเขียนโปรแกรมแบบเดิมที่ไมใชวิธีการทาง Machine Learning จะตองกําหนดกฎเกณฑและ
เงื่อนไขอยางชัดเจน ในขณะที่ Machine Learning จะสรางเงื่อนไขตาง ๆ เก็บไวในโมเดลที่เครื่องจักร
ั
เรียนรูและสรางเปนสมการคณิตศาสตรเอาไวภายในโมเดลทําใหการพฒนาโปรแกรมมีความสะดวกและมี
ประสิทธิภาพ นอกจากนั้นมีการประยุกตใช Machine Learning ในวงการตาง ๆ อยางกวางขวาง
ี
ในบทนี้จะนําเสนอเนื้อหาเกยวกบการเขยนโปรแกรมแสดงผลตัวเลขเจ็ดสวน Seven Segment
ั
ี่
ํ
แบบกาหนดเงื่อนไขและแบบใชงาน Machine Learning และกลาวถึง Simple Linear Regression การ
พล็อตขอมล การเขยนโปรแกรมคํานวณสมการเสนตรงวิธี Simple Linear Regression การนําสมการ
ี
ู
ี
Simple Linear Regresion ไปใชพยากรณขอมล การเขยนโปแกรม Metric สําหรับวัดประสิทธิภาพของ
ู
โมเดล เชน RMSE และ R2 หลักการ Machine Learning นิวรอนและคาน้ําหนัก Activation Functions
ํ
Optimizer การจําแนกประเภทดวย Decision Tree การจาแนกประเภทและพยากรณคําตอบดวย
Support Vector Machine (SVM) การจําแนกประเภทและพยากรณคําตอบดวย Neural Network การ
จัดกลุมขอมลดวย K-Means การเขยนโปรแกรมพยากรณและจัดหมวดหมูขอมูล การเขียนโปรแกรมจัด
ู
ี
หมวดหมูภาพภูเขาและทะเล
วัตถุประสงค
1. อธิบายความแตกตางระหวางการเขียนโปรแกรมใช/ไมใช Machine Learning ได
2. อธิบายการสรางและใชงานสมการ Simple Linear Regression ได
3. อธิบายการสรางและใชงานโครงขายประสาทเทียมแกปญหา And Gate ได
4. อธิบายการสรางและใชงาน Logistic Regression พยากรณภาพภูเขาและทะเลได
12.1 ความหมายและประเภทของ Machine Learning
การเรียนรูของเครื่องจักร (Machine Learning) คือ การนําขอมูลสงใหเครื่องจักรเรียนรูคําตอบ
ซึ่งแบงออกเปน 3 แบบ
1) Supervised Learning คือ การเรียนรูแบบมีคําตอบ วิธีการนี้เปนการปอนขอมูลและคําตอบ
่
เพอใหเครองจกรคนหาวิธีการแกปญหาใหไดมาซึ่งคําตอบ
ื
่
ั
ื
ี
2) Unsupervised Learning คือ การเรียนรูแบบไมมคําตอบ วิธีการนี้จะปอนขอมูลโดยไมมี
คําตอบ ดังนั้น เครื่องจักรจะพยายามจัดกลุมขอมูลที่มีความคลายคลึงกันและแยกเปนกลุม
3) Reinforcement Learning คือ วิธีการเรียนรูแบบใหรางวัล (reward) หรือลงโทษ
(punishment) แนวคิดนี้สามารถสอนเครื่องจักรใหเอาชนะแชมปการเลนเกมโกะระดับ
สากลได