ดาวน์โหลดงานนำเสนอ
งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ
1
การจำแนกข้อมูลด้วยวิธี K-Nearest Neighbor
2
ประเภทของการเรียนรู้แบบมีการเรียนการสอน
Lazy Learning ซึ่งเป็นการเรียนรู้อย่างง่ายโดยใช้การสำรวจชุดข้อมูลสอนแบบ คร่าว ๆ และจะทำการจำแนกประเภทข้อมูลเมื่อต้องการจำแนกเท่านั้น ซึ่งจะใช้ เวลาในการเรียนรู้น้อยแต่เสียเวลาในการจำแนกข้อมูล Eager Learning ใช้เวลาในการเรียนรู้ และสร้างโมเดล ซึ่งหลังจากการสร้างโมเดล แล้วจะสามารถจำแนกได้ง่ายและรวดเร็ว ตัวอย่างเช่น ต้นไม้ตัดสินใจ ขั้นตอนใน การสร้างโมเดลนั้นจะใช้เวลานาน แต่ในขั้นตอนการจำแนกจะใช้เวลารวดเร็ว
3
ประเภทของการเรียนรู้แบบมีการเรียนการสอน
สร้างโมเดล Eager Learning - มีการสร้างโมเดล
4
ประเภทของการเรียนรู้แบบมีการเรียนการสอน
Lazy Learning – เปรียบเทียบเป็นครั้ง ๆ ไป ใกล้ Training set อันไหน คิดว่าเป็นอันนั้น
5
Lazy learning or Instance-Based Methods
ขั้นตอนวิธีเพื่อนบ้านที่ใกล้ที่สุด (K-nearest neighbor approach - KNN) จะ คำนวณความคล้ายคลึงจากการวัดระยะความห่าง วิธีการสัดค่าน้ำหนักการถดถอย (Locally weighted regression) โดยการพยายาม คาดเดาจากการหาจุดตัดเพื่อวัดค่าจุดข้างเคียง
6
K-nearest neighbor approach - KNN
การจำแนกข้อมูลที่เลือกเฉพาะข้อมูลที่มีระยะห่าง 1 กลุ่ม (ใกล้ที่สุด) จะเรียกว่า “1NN (One Nearest Neighbor) ดังนั้น “k-NN” ค่า k จึงเป็นจำนวนของกลุ่มที่ต้องการเลือกเป็นกลุ่มเพื่อนบ้าน โดยควรกำหนดเป็นเลขคี่ สำหรับการหาค่าระยะทางจะใช้สมการจากทฤษฎีการวัดระยะทางของ Euclidean ดังนี้ เมื่อ p คือค่าของชุดข้อมูลที่ต้องการจำแนก q คือค่าของชุดข้อมูลเพื่อนบ้านที่นำมาพิจารณา
7
ขั้นตอนวิธี K-NN ข้อมูลใหม่ (Unknown) ซึ่งไม่ทราบ Class เรียกว่า U ข้อมูลชุดสอน (Training set) มีขนาดเท่ากับ Nrow * Marrtibue วนรอบ จำนวน N รอบ คำนวณหาระยะห่างของ U กับ Training[i] จบการทำงาน คำนวณหาระยะทางที่ใกล้ที่สุด จำนวน k ค่า เลือกคำตอบจากชุดข้อมูลสอนที่ใกล้ที่สุด หรือมีคำตอบซ้ำกันมากที่สุด
8
ยกตัวอย่าง Data transformation
9
(1NN)
10
(1NN)
11
ระยะห่างระหว่างสัตว์ประหลาดกับชุดข้อมูล
(3NN) ชื่อ ระยะห่างระหว่างสัตว์ประหลาดกับชุดข้อมูล คลาส มนุษย์ Mammal งูเหลือม Reptile แซลมอน Fish วาฬ ค้างคาว ปลาไหล
12
แล้วถ้าคำตอบไม่เหมือนกันละ ???
เลือกคำตอบจากเสียงข้างมาก เช่น สัตว์เลี้ยงลูกด้วยนม สัตว์เลี้อยคลาน สัตว์เลี้ยงลูกด้วย นม จะสรุปว่าเป็นสัตว์เลี้ยงลูกด้วยนมจากเสียงข้างมาก เลือกคำตอบจากคำตอบที่มีระยะทางน้อยที่สุด (ในกรณีที่คำตอบไม่เหมือนกันเลย)
13
D-tree (Eager Learning)
เปรียบเทียบลักษณะการทำงาน D-tree (Eager Learning) KNN (Lazy Learning) ระยะเวลาในการสร้างโมเดล ใช้เวลานาน ไม่มีการสร้างโมเดล ระยะเวลาในการจำแนกข้อมูลใหม่ ใช้เวลารวดเร็ว ใช้เวลานานเพราะต้องทำการเปรียบเทียบกับชุดข้อมูล ความยากง่าย ยากในการสร้างโมเดล ง่ายในการคำนวณ
14
ตัวอย่างคลาส Project ของปีการศึกษา 1/2555
1. การคัดแยกเว็บเพจภาษาไทยอัตโนมัติด้วยวิธี K-Nearest Neighbor (KNN) โดยนาย เกษมศาสตร์ ชมพูวิเศษ และนายสมควร ภูจอมทอง แนวคิด เพื่อจำแนกหมวดหมู่ของเว็บเพจว่าเป็นภาษาไทยหรือภาษาอังกฤษ ข้อมูลนำเข้าคือ เว็บเพจภาษาไทยจำนวน 56 เว็บเพจ และภาษาอังกฤษจำนวน 51 เว็บเพจ แอตตริบิทว์ คือ คำที่ได้จากการตัด html tag ตัวเลข และอักขระพิเศษที่ไม่ต้องการ ออก คลาส คือ ภาษาไทย หรือภาษาอังกฤษ ความถูกต้อง 81%
15
ตัวอย่างคลาส Project ของปีการศึกษา 1/2555
2. ระบบแยกแยะภาพผลไม้ โดยใช้วิธี KNN โดยนางสาวจุฑารัตน์ สุขรัตน์ และนายอดุลย์ สุดสงคราม แนวคิด เพื่อจำแนกผลไม้จากภาพ ข้อมูลนำเข้าคือ ภาพผลไม้ 50 ชนิด แอตตริบิทว์ คือ สีแดง สีเขียว สีเหลือง สีขาว สีม่วง ขนาดเล็ก ขนาดกลาง ขนาดใหญ่ คลาส คือ ตระกูลแตง ตระกูลเบอรรี่
งานนำเสนอที่คล้ายกัน
