[Youtube] สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor
ผู้เขียนได้จัดทำวิดีโอ สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor
ในวิดีนี้จะเป็นการแนะนำเนื้อหาเกี่ยวกับ machine learning ในคลิปวิดีโอนี้ โดยแบ่งเป็น
Part 1 - ที่มาของปัญหา
Part 2 – สำรวจข้อมูล iris flower ด้วย Colab
Part 3 - กระบวนการสร้าง Model ด้วย K-Nearest Neighbors
Part 4 - ประเมิน Model และ สรุปผล
Part - 1 : อธิบายเรื่องที่มาของการใช้ Machine Learning มาใช้จัดกลุ่มดอกไอริส
Part - 2 : อธิบายเรื่องการสำรวจข้อมูลของ Iris Flower Dataset โดยใช้งาน Module ต่างๆ
1. sys ตัวนี้มันเป็น library ที่จัดเตรียมฟังก์ชันและตัวแปรที่ใช้เพื่อจัดการกับส่วนต่างๆของ Python Runtime Environment เอาไว้ ช่วยให้เราเข้าถึงพารามิเตอร์และฟังก์ชันเฉพาะของระบบได้ง่าย
2. NumPy เป็นชื่อของ library ที่ใช้ในการคำนวนทางคณิตศาสตร์ในภาษา Python 3. SciPy (อ่านว่า ไซ-พาย) เป็น library ที่ใช้ใน python สำหรับการคำนวณทางวิทยาศาสตร์ ซึ่งมีฟังก์ชันหลากหลายไม่ว่าจะเป็น linear algebra, calculus หรือ optimization ทุกคนอาจจะได้เคยใช้ NumPy มาก่อน SciPy สามารถนำมาใช้ควบคู่และเติมเต็ม NumPy ได้ 4. pandas มีความสามารถในการจัดการ และวิเคราะห์ข้อมูลได้อย่างมีประสิทธิภาพตั้งแต่ข้อมูลขนาดเล็กไปจนถึงข้อมูลขนาดใหญ่ ทำให้ pandas ตอบโจทย์งานในยุคที่ข้อมูลมีขนาดใหญ่มากขึ้นเรื่อยๆ ได้ ไม่มีปัญหาติดขัดเหมือนกับ Spreadsheets อื่นๆ 5. Matplotlib นั้นเราจะต้องเขียน Code เพื่อสั่งว่ากราฟ 6. Ipython เป็น Module ที่ใช้สำหรับ Jupyter notebook เพื่อให้โต้ตอบเพื่อ HTML จะไม่ใส่ก็ได้ 7. Scikit-learn ยังเป็น Open Source ที่เปิดให้ผู้ที่สนใจสามารถเข้าไปพัฒนาต่อยอดได้ และที่ทำให้ทุกคนต่างยอมรับคือเป็นแหล่งรวม Library และอัลกอริทึมที่เน้นไปในด้านของ Machine Learning
สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor
EP4 สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor - Part 3
คำศัพท์ต่างๆที่ต้องรู้ใน K-NN
การเรียนรู้แบบมีผู้สอน (Supervised learning) คืออะไร
ขั้นตอนการทำงานของ Algorithm K-NN
ตัวอย่างในการหาค่าการทำนายของ K-NN
สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor
EP5 สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor - Part 3
ใน EP นี้ จะมาทำกระบวนการสร้าง Model ด้วย KNN หรือ K nearest neighbors โดยนำ Code และความรู้ต่างๆที่ได้อธิบายไปใน EP ที่ 1 จนถึง EP ที่ 4 มาประยุกต์ใช้ ใน Colab กันครับ
สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor
EP6 (สุดท้าย) สอนการใช้งาน Colab กับ Iris Dataset ด้วย K-Nearest Neighbor - Part 4
หน่วยวัดหลักๆ ก็จะมีอยู่ 5 ตัว ได้แก่
Accuracy ความถูกต้อง
Precision ความแม่นยำ
Recall หรือ Sensitive อัตราความถูกต้องเมื่อเทียบกับเหตุการณ์ที่เกิดขึ้นจริง
Specificity อัตราความผิดพลาดเมื่อเทียบกับเหตุการณ์ที่ไม่เกิดขึ้น และ
สุดท้าย ROC กราฟของพื้นที่ใต้โค้ง และ AUC พื้นที่ใต้โค้ง
ใครที่ดูวิดีโอจบฝากกดติดตาม กดกระดิ่ง กด like และ Share ใน Youtube ไว้ด้วยนะครับ จะได้ไม่พลาด Video ใหม่ๆ เข้ามา
พิกัด : SKLSongkiat IT channel