โปรแกรมจำแนกประเภทข้อมูลแบบหลายโมเดล

  • ศุภฤกษ์ ฉัตรธนโชติ 2 นางลิ้นจี่ กทม 10120

Abstract

การจำแนกประเภทข้อมูลนั้นมีการพัฒนาเทคนิคในการจำแนกประเภทอย่างต่อเนื่อง โดยค่าความถูกต้องในการจำแนกประเภทข้อมูลถือเป็น ค่าที่นำมาใช้ในการวัดประสิทธิภาพของตัวจำแนกประเภทอย่างแพร่หลาย ในแต่ละชุดข้อมูลที่มีความแตกต่างกันมีความเหมาะสมในการเลือกใช้ตัวจำแนกประเภทที่แตกต่างกันซึ่งเป็นความยากต่อผู้ใช้โดยทั่วไป งานวิจัยนี้จึงนำเสนอแนวคิดในการพัฒนาโปรแกรมจำแนกประเภทข้อมูลแบบหลายโมเดล โดยคัดเลือกตัวจำแนกที่เป็นที่รู้จัก ห้าชนิดได้แก่ Neural Network, Decision Tree, Naïve Bayes, Support Vector Machine, และ K-Nearest Neighbor มาใช้งานร่วมกันเพื่อให้โปรแกรมคัดเลือกโมเดลที่ดีที่สุดสำหรับชุดข้อมูลนั้น ๆ มาใช้งาน ผลการทดสอบกับชุดข้อมูล แปดชุด พบว่าในแต่ละชุดข้อมูลจะมีตัวจำแนกประเภทที่เหมาะสมและให้ค่าความถูกต้องสูง กระจายตัวกันไป และตัวโปรแกรมได้เลือกใช้โมเดลที่มีค่าความถูกต้องสูงที่สุดให้ผู้ใช้โดยอัตโนมัติ  

Published
2021-01-04