Live 07 - Intro to Machine Learning.pdf

bankmarketing_train.csv

✅ Simple ML Pipeline

1. Split data (or Prepare data)
2. Train
3. Score
4. Evaluate

รูปแบบการ train model ที่ง่ายที่สุดคือ train test split (70:30, 80:20 ไม่มีกฎตายตัวนะครับ)

เราสามารถเขียน functions เพื่อ split data รวมถึงคำนวณค่า error metrics ต่างได้เอง ของ regression ที่เราใช้บ่อยๆจะมี mae, mse, rmse พวกนี้เป็น absolute metrics ยิ่งเข้าใกล้ศูนย์ แปลว่าโมเดลเราทำนายผลได้ดี 0 คือทายถูกหมดเลย (ซึ่งในทางปฏิบัติ แทบจะเป็นไปไม่ได้เลย โมเดลไม่ได้แม่นยำ 100%)

ในคอร์สนี้แอดสอนเทคนิค Resampling ด้วย ซึ่งท่ามาตรฐานที่เราใช้เทรนโมเดลคือ K-Fold Cross Validation โดยทั่วไปเราจะใช้ K=5 หรือ K=10 ประหยัดเวลาในการเทรนโมเดล แต่ได้ผลลัพธ์ที่ใช้งานได้จริง

การบ้าน part 1 ให้ลองสร้าง regression model ทำนายราคาบ้านที่อินเดีย โดยใช้ข้อมูล dataset จาก data.world นะครับ ลิ้งด้านล่าง

https://data.world/dataindianset2000/house-price-india

สมัคร free account แล้วดาวน์โหลด Excel/ CSV ออกมาได้เลย import เข้าโปรแกรม R แล้วเขียนโมเดลด้วย caret เลือกตัวแปร 3-5 ตัว

Tip - ก่อนเราจะเทรนโมเดล ลอง visualize คอลัมน์ price จะเห็นว่าข้อมูลมันเบ้ขวามากๆ ถ้าเราอยากจะปรับให้มัน normal ขึ้น สามารถใช้ฟังก์ชัน log(price) เพื่อปรับ distribution ให้มีการกระจายตัวดีขึ้นได้ (เทคนิคนี้ในงาน ML เราใช้กันบ่อยๆ log transformation)

✅ สำหรับการทำ log คอลัมน์นั้นต้องห้ามมีเลขศูนย์ หรือค่าติดลบนะครับ ตัวอย่างเช่นถ้า price มีค่าศูนย์อยู่ด้วย ให้เราใช้ฟังก์ชัน log(price+1) แทน เหมือนเรา +1 เข้าไปทั้งคอลัมน์

<aside> 💡 Azure ML Studio ใช่งานง่ายเเค่มีโมเดลน้อย โปรเเกรมจะปิดตัวเเล้ว

</aside>