การเรียนรู้ของเครื่อง (Machine Learning)

1. ภาพรวมและประเภทของ Machine Learning

Machine Learning (ML) หรือการเรียนรู้ของเครื่องจักร คือสาขาหนึ่งของปัญญาประดิษฐ์ (AI) ที่ทำให้คอมพิวเตอร์ “เรียนรู้” จากข้อมูลได้เอง โดยไม่ต้องเขียนโปรแกรมกำหนดกฎทุกอย่างล่วงหน้า จุดต่างสำคัญจากการเขียนโปรแกรมแบบดั้งเดิมคือ โปรแกรมแบบดั้งเดิมรับ “ข้อมูล + กฎ” แล้วให้ “คำตอบ” แต่ Machine Learning รับ “ข้อมูล + คำตอบ (ตัวอย่าง)” แล้วสร้าง “กฎ” ที่เรียกว่า “โมเดล (Model)” ขึ้นมาเอง

ตัวอย่างการใช้งานใกล้ตัว เช่น ระบบกรองอีเมลขยะ ระบบแนะนำสินค้า/วิดีโอ การพยากรณ์ยอดขาย การตรวจจับใบหน้า และการแบ่งกลุ่มลูกค้าเพื่อทำการตลาด โดย ML แบ่งเป็น 3 ประเภทหลัก ดังตาราง

วิธีเลือกประเภทอย่างง่าย ให้ถามว่า “ข้อมูลมีเฉลยหรือไม่” ถ้ามีเฉลยและเฉลยเป็นตัวเลขต่อเนื่อง ให้ใช้ Regression ถ้าเฉลยเป็นกลุ่ม/ประเภท ให้ใช้ Classification แต่ถ้าไม่มีเฉลยเลย ให้ใช้ Clustering

2. วงจรการพัฒนาโมเดล (CRISP-DM)

CRISP-DM (Cross-Industry Standard Process for Data Mining) เป็นกระบวนการมาตรฐาน 6 ขั้นตอน ที่ใช้พัฒนางาน ML อย่างเป็นระบบ ดังนี้

ขั้นที่ 1 Business Understanding (เข้าใจปัญหา) – กำหนดเป้าหมายให้ชัดเจน เช่น “ต้องการทำนายว่าลูกค้าคนใดมีแนวโน้มยกเลิกบริการ”

ขั้นที่ 2 Data Understanding (เข้าใจข้อมูล) – สำรวจว่ามีข้อมูลอะไรบ้าง กี่แถว กี่คอลัมน์ คุณภาพเป็นอย่างไร ด้วยการวิเคราะห์เชิงสำรวจ (EDA)

ขั้นที่ 3 Data Preparation (เตรียมข้อมูล) – ทำความสะอาด เติมค่าที่หายไป เข้ารหัสข้อมูล และปรับสเกล ขั้นนี้มักใช้เวลามากที่สุด (60–80% ของงาน)

ขั้นที่ 4 Modeling (สร้างโมเดล) – เลือกอัลกอริทึมที่เหมาะสมและฝึก (Fit) โมเดลด้วยข้อมูล Train

ขั้นที่ 5 Evaluation (ประเมินผล) – วัดผลด้วยตัวชี้วัด เช่น Accuracy, F1 เพื่อตัดสินว่าโมเดลดีพอสำหรับใช้งานจริงหรือไม่

ขั้นที่ 6 Deployment (นำไปใช้งาน) – นำโมเดลไปใช้งานจริงและติดตามผลอย่างต่อเนื่อง

ข้อสังเกต: CRISP-DM เป็น “วงจร” ไม่ใช่เส้นตรง หากประเมินแล้วผลไม่ดี สามารถวนกลับไปปรับปรุงขั้นก่อนหน้า เช่น เตรียมข้อมูลใหม่หรือเปลี่ยนอัลกอริทึมได้

3. การเตรียมข้อมูล (Data Preparation) ทีละขั้นตอน

คุณภาพของโมเดลขึ้นอยู่กับคุณภาพของข้อมูลโดยตรง (Garbage in, garbage out) การเตรียมข้อมูลจึงมี 4 ขั้นตอนหลัก ดังนี้

3.1 การจัดการค่าที่หายไป (Missing Value)

ขั้นแรกให้ตรวจนับค่าว่างในแต่ละคอลัมน์ก่อน จากนั้นเลือกวิธีจัดการ 1 ใน 3 วิธี คือ (1) ลบแถวทิ้ง เมื่อค่าที่หายมีจำนวนน้อยมาก (2) เติมค่าเฉลี่ยหรือมัธยฐาน สำหรับข้อมูลตัวเลข (3) เติมฐานนิยม (ค่าที่พบบ่อยที่สุด) สำหรับข้อมูลประเภทข้อความ

3.2 การจัดการค่าผิดปกติ (Outlier) ด้วยวิธี IQR

คำนวณ IQR = Q3 − Q1 แล้วกำหนดขอบเขตปกติเป็น [Q1 − 1.5×IQR, Q3 + 1.5×IQR] ค่าที่อยู่นอกขอบเขตนี้ถือเป็น Outlier ตัวอย่าง: ถ้า Q1 = 10 และ Q3 = 20 จะได้ IQR = 10 ขอบเขตปกติคือ −5 ถึง 35 ดังนั้นค่า 80 จึงเป็น Outlier ที่ควรตรวจสอบหรือตัดทิ้ง

3.3 การเข้ารหัสตัวแปรเชิงคุณภาพ (Encoding)

คอมพิวเตอร์คำนวณได้เฉพาะตัวเลข จึงต้องแปลงข้อความเป็นตัวเลขก่อน มี 2 วิธีหลัก คือ Label Encoding แทนค่าด้วยเลขลำดับ (เช่น เล็ก=0 กลาง=1 ใหญ่=2 เหมาะกับข้อมูลที่มีลำดับ) และ One-Hot Encoding สร้างคอลัมน์ใหม่เป็น 0/1 ต่อหนึ่งค่า (เหมาะกับข้อมูลไม่มีลำดับ เช่น สี จังหวัด)

3.4 การปรับสเกลข้อมูล (Feature Scaling)

ใช้เมื่อคุณลักษณะมีหน่วยต่างกันมาก เช่น อายุ (0–100) กับรายได้ (0–100,000) มี 2 สูตรหลัก คือ Min-Max Normalization: x' = (x − min) / (max − min) ให้ค่าอยู่ในช่วง 0–1 และ Z-score Standardization: z = (x − μ) / σ ให้ค่าเฉลี่ยเป็น 0 ส่วนเบี่ยงเบนมาตรฐานเป็น 1 ตัวอย่าง: คะแนน 75 เมื่อค่าเฉลี่ย = 60 และ σ = 10 จะได้ z = (75 − 60) / 10 = 1.5

ข้อควรระวัง: ต้องแบ่งข้อมูล Train/Test ก่อน แล้วจึง Fit Scaler กับข้อมูล Train เท่านั้น มิฉะนั้นข้อมูลของชุดทดสอบจะรั่วเข้าไปในการฝึก (Data Leakage) ทำให้ผลประเมินดีเกินจริง

4. อัลกอริทึม Supervised Learning

อัลกอริทึมพื้นฐานที่ควรรู้จักและหลักการทำงานโดยย่อ แสดงดังตาราง

4.1 ตัวชี้วัดงานจำแนกประเภท (Classification Metrics)

การประเมินเริ่มจากตารางความสับสน (Confusion Matrix) ซึ่งเปรียบเทียบค่าจริงกับค่าที่โมเดลทำนาย

• Accuracy (ความถูกต้องรวม) = (TP + TN) / จำนวนทั้งหมด

• Precision (ความแม่นยำ) = TP / (TP + FP) — ที่ทำนายว่า Positive ถูกจริงกี่ส่วน

• Recall (ความครบถ้วน) = TP / (TP + FN) — ของจริงที่เป็น Positive จับได้กี่ส่วน

• F1-Score = 2 × (Precision × Recall) / (Precision + Recall) — ค่าเฉลี่ยประสานของทั้งสอง

ตัวอย่างการคำนวณ: จากข้อมูลทดสอบ 100 ตัวอย่าง ได้ TP = 40, FN = 5, FP = 10, TN = 45 จะได้ Accuracy = (40 + 45) / 100 = 0.85, Precision = 40 / 50 = 0.80, Recall = 40 / 45 ≈ 0.89 และ F1 = 2(0.80)(0.89) / (0.80 + 0.89) ≈ 0.84

4.2 ตัวชี้วัดงานทำนายค่าต่อเนื่อง (Regression Metrics)

MAE (Mean Absolute Error) คือค่าเฉลี่ยของ |ค่าจริง − ค่าทำนาย| ส่วน RMSE (Root Mean Squared Error) คือรากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ซึ่งลงโทษความคลาดเคลื่อนขนาดใหญ่มากกว่า MAE ทั้งสองค่ายิ่งต่ำยิ่งดี

4.3 ตัวอย่างโค้ดฝึกโมเดลจำแนกดอกไอริส

5. อัลกอริทึม Unsupervised Learning

5.1 K-Means Clustering

K-Means แบ่งข้อมูลออกเป็น K กลุ่มโดยพยายามให้ผลรวมระยะห่างภายในกลุ่ม (WCSS) ต่ำที่สุด มีขั้นตอนการทำงาน 4 ขั้น คือ

ขั้นที่ 1 สุ่มตำแหน่งจุดศูนย์กลาง (Centroid) จำนวน K จุด

ขั้นที่ 2 จัดข้อมูลแต่ละจุดเข้ากลุ่มของ Centroid ที่อยู่ใกล้ที่สุด

ขั้นที่ 3 คำนวณ Centroid ใหม่จากค่าเฉลี่ยของสมาชิกในกลุ่ม

ขั้นที่ 4 ทำซ้ำขั้นที่ 2–3 จนกว่า Centroid จะไม่เปลี่ยนตำแหน่ง

5.2 การเลือกจำนวนกลุ่ม K ที่เหมาะสม

ใช้ Elbow Method โดยพล็อตค่า WCSS เทียบกับค่า K = 1, 2, 3, ... แล้วเลือกจุดที่กราฟเริ่มหักลดลงช้า (จุดข้อศอก) หรือใช้ Silhouette Score (ช่วง −1 ถึง 1 ยิ่งใกล้ 1 กลุ่มยิ่งแยกจากกันชัด)

5.3 Hierarchical Clustering

สร้างกลุ่มแบบลำดับชั้นโดยรวมกลุ่มที่ใกล้กันทีละคู่ แล้วแสดงผลเป็นแผนภาพต้นไม้ (Dendrogram) ผู้ใช้เลือกจำนวนกลุ่มได้โดย “ตัด” ต้นไม้ที่ระดับความสูงที่ต้องการ

6. การประเมินและปรับจูนโมเดล

6.1 การแบ่งข้อมูล

แบ่งข้อมูลเป็น 3 ส่วน คือ Train (ใช้สอนโมเดล) Validation (ใช้ปรับจูน) และ Test (ใช้สอบจริง ใช้ครั้งเดียวตอนท้าย) ด้วยอัตราส่วน 70:15:15 หรือ 60:20:20 ถ้าข้อมูลน้อยอาจแบ่งเพียง Train/Test 80:20 แล้วใช้ Cross Validation แทน Validation

6.2 Overfitting และ Underfitting

6.3 k-fold Cross Validation

แบ่งข้อมูลเป็น k ส่วนเท่า ๆ กัน (นิยม k = 5 หรือ 10) แล้วผลัดกันใช้ 1 ส่วนเป็นชุดทดสอบ อีก k−1 ส่วนเป็นชุดฝึก ทำครบ k รอบแล้วเฉลี่ยผล วิธีนี้ให้ผลน่าเชื่อถือกว่าการแบ่งครั้งเดียว เพราะทุกตัวอย่างได้เป็นชุดทดสอบ 1 ครั้ง

6.4 การปรับจูนไฮเปอร์พารามิเตอร์ (Hyperparameter Tuning)