🎯 เป้าหมาย
- อธิบายบทบาทของข้อมูลในการเรียนรู้ของเครื่องได้
- แยกความหมายของ Features (ลักษณะเด่น) กับ Raw Data
- เข้าใจขั้นตอน Training และความสำคัญของข้อมูลทดสอบ
- ระบุได้ว่าข้อมูลคุณภาพต่ำส่งผลต่อโมเดลอย่างไร
1. ข้อมูลคือเชื้อเพลิงของ AI
ระบบ Machine Learning ไม่ได้ถูก “โปรแกรม” ทีละกฎทั้งหมดเหมือนโปรแกรมดั้งเดิม แต่ถูก “ฝึก” จากตัวอย่างจำนวนมาก ยิ่งมีข้อมูลที่เกี่ยวข้องและมีคุณภาพ ระบบยิ่งมีโอกาสจับรูปแบบได้ดี
ถ้าต้องการให้ AI แยกภาพแมวกับสุนัข เราต้องมีภาพที่ติดป้ายกำกับ (labeled) จำนวนมากพอ และภาพเหล่านั้นควรมีความหลากหลาย (มุมแสง สายพันธุ์ พื้นหลัง)
2. Features — ลักษณะที่โมเดลใช้ตัดสิน
Feature คือคุณสมบัติหรือค่าที่สกัดจากข้อมูลดิบเพื่อใช้ในการเรียนรู้ เช่น ในภาพอาจเป็นสี ขอบ ลายจุด ในข้อความอาจเป็นคำสำคัญหรือความยาวประโยค
การเลือก Feature ที่ดีช่วยให้โมเดลเรียนรู้ได้เร็วและแม่นยำขึ้น การเลือก Feature ที่ไม่เกี่ยวข้องอาจทำให้โมเดลสับสนหรือเรียนรู้สิ่งที่ผิด
3. กระบวนการฝึก (Training) และการทดสอบ (Testing)
- รวบรวมและเตรียมข้อมูล — ทำความสะอาด ติดป้าย แบ่งชุด
- Training set — ใช้สอนโมเดลให้จับรูปแบบ
- Validation / Test set — ใช้ประเมินว่าโมเดลทำงานกับข้อมูลที่ไม่เคยเห็นมาก่อนได้ดีแค่ไหน
- ปรับและประเมินซ้ำ — จนกว่าผลลัพธ์จะยอมรับได้ในบริบทงาน
ระวัง Overfitting: ถ้าโมเดลจำตัวอย่างในชุดฝึกได้เก่งมาก แต่ทำกับข้อมูลใหม่ไม่ได้ดี แสดงว่ามันอาจจำเฉพาะเจาะจงเกินไป ไม่ได้เรียนรู้รูปแบบทั่วไป
4. คุณภาพข้อมูลสำคัญกว่าปริมาณอย่างเดียว
- ข้อมูลผิดหรือป้ายกำกับผิด → โมเดลเรียนรู้สิ่งที่ผิด
- ข้อมูลไม่ครอบคลุมกลุ่มคน/สถานการณ์ → โมเดลทำงานแย่กับกลุ่มที่ขาดไป
- ข้อมูลล้าสมัย → ผลลัพธ์อาจไม่สอดคล้องกับโลกปัจจุบัน
กิจกรรม: สมมติว่าจะสร้างระบบแนะนำหนังสือให้เพื่อนในห้อง ระบุว่า (1) ข้อมูลอะไรที่ควรเก็บ (2) Feature อะไรที่น่าจะสำคัญ (3) ความเสี่ยงถ้าข้อมูลมีแต่หนังสือแนวเดียว
✅ สรุป
- ML เรียนรู้จากข้อมูล ไม่ได้ถูกเขียนกฎทั้งหมดด้วยมือ
- Features คือลักษณะที่โมเดลใช้ตัดสินใจ
- ต้องแยกชุดฝึกกับชุดทดสอบ และใส่ใจคุณภาพข้อมูล
📝 แบบฝึกหัด
1. Feature ในบริบท ML หมายถึงอะไร?
2. ทำไมต้องมีชุดข้อมูลทดสอบ (Test set)?
3. ข้อมูลป้ายกำกับผิดจำนวนมากส่งผลอย่างไร?