บทความนี้เป็นการจด lecture จากคอร์ส Machine Learning ZoomCamp ปี 2025 โดย DataTalksClub ผมซึ่งผู้เรียนเองไม่มีพื้นฐานและประสบการณ์เกี่ยวกับ Machine Learning มาก่อน แต่ก็ปฏิเสธไม่ได้ว่าผมก็ได้เห็นการแชร์ข้อมูลเกี่ยวกับสิ่งนี้บนเพจต่าง ๆ ใน Facebook หรือวิดีโอแนะนำจาก Youtube และได้เกิดความสนใจขึ้นมาว่า เราจะนำสิ่งนี้มาใช้งานอย่างไรได้บ้าง หากพบข้อผิดพลาดประการใดขอความกรุณาส่งอีเมลหรือคอมเมนต์ใต้บทความให้ผมหน่อยนะครับ ขอบพระคุณเป็นอย่างสูง

เนื้อหา

บทนี้กล่าวถึงตัวอย่างการใช้ Machine Learning (ML) กับงานต่างๆ เช่น Web Application โดยยกตัวอย่างเว็บไซต์บริการฝากขายรถมือสอง โดยปกติแล้วเมื่อ User เข้ามาใช้งานก็จะเข้ามากรอกข้อความตาม Form ต่างๆ และในส่วนที่มักพบปัญหาคือ “การตั้งราคา” ในสถานะการทั่วไปถ้า User ไม่ทราบราคาของรถที่จะขายก็อาจจะต้องใช้เวลาในการค้นหาข้อมูลเพื่อประเมินราคาขายที่เหมาะสม ซึ่งปัจจัยที่อาจเป็นกำหนดราคารถ คือ ยี่ห้อ, ปีที่ผลิตรถ, ระยะทางที่ใช้งาน (เลขไมล์) หรือ ประเภทของน้ำมันเชื้อเพลิงเป็นต้น ซึ่งจากปัจจัยดังกล่าวหาก User ไม่มีความเชี่ยวชาญในการวิเคราะห์ อาจส่งผลให้ตั้งราคาต่ำเกินไปหรือสูงเกินไปได้นั่นเอง

ในส่วนเราสามารถนำ ML มาเป็นสิ่งอำนวยความสะดวกในการกำหนดราคาให้แม่นยำขึ้นได้ แต่นั่นหมายความว่า เราเองจะต้องมีข้อมูลของรถรุ่นต่างๆ ที่หลากหลายอยู่แล้วด้วย

การประเมินราคาจากปัจจัยที่กล่าวมาข้างต้น เราสามารถใช้ ML Algorithm เพื่อหา pattern แล้วนำมาสร้าง Model ได้ ยกตัวอย่างเช่น รถรุ่นเดียวกันแต่มีเลขไมล์น้อยก็จะขายได้แพงกว่าเลขไมล์เยอะ ซึ่งการหา pattern ซ้ำๆ จากข้อมูลที่มีอยู่คือสิ่งสำคัญของ ML

จากตารางเราจะเห็นว่าข้อมูลของรถประกอบไปด้วย ปีที่ผลิต, ยี่ห้อ, เลขไมล์ และ อื่นๆ สิ่งเหล่า คือปัจจัยที่เราจะนำมาใช้ตั้งราคาของรถ เราเรียกสิ่งเหล่านี้ว่า features **และเรียกสิ่งที่เราต้องการหาว่า target **ซึ่งในที่นี้คือราคาของรถแต่ละรุ่น เมื่อเรานำ features และ target มา ฝึก (train) จะได้ โมเดล (model)

แล้วเราจะใช้งาน model ได้ยังไงล่ะ? จากตัวอย่างเรื่องรถ เมื่อใครสักคนต้องการทราบ ราคาของรถ (target) เขาก็จะต้อง Input ข้อมูลที่มีองค์ปรกอบเหมือนกับ feature ที่ใช้ train ไป แล้วเจ้าตัว model ก็จะทำงานของมันโดยการ predict (ทำนาย/คาดการณ์) หรือคาดการณ์ราคาของรถให้เรานั่นเอง

สรุป

ML เป็น process ในการดึงตัว pattern จากข้อมูลที่ป้อนเข้าไปให้มัน ซึ่งประกอบไปด้วย

1. Features คือ คุณลักษณะของ object หรือสิ่งที่เราทราบเกี่ยวกับ object เช่น ข้อมูลของรถนั้น ประกอบไปด้วย ยี่ห้อ, ปีผลิต และ เลขไมล์ เป็นต้น
2. Target คือ สิ่งที่เราจะได้รับจากข้อมูล หรือ สิ่งที่เราต้องการทำนาย เกี่ยวกับ object นั้น ในตัวอย่างก็คือ ราคาของรถ

และผลลัพธ์ที่ได้ออกมา คือ model ซึ่งห่อหุ่ม pattern ต่างๆ ไว้ทั้งหมด

ในตอนสุดท้าย model จะถูกใช้งานได้โดย input features ลงไปใน model เพื่อหา target จากตัวอย่างรูปแรก User input ข้อมูลรถที่ต้องการขายไป ก็จะสามารถคาดการณ์ราคาของรถได้นั่นเอง

แหล่งอ้างอิง