ผลการเปรียบเทียบประสิทธิภาพของอัลกอริทึมการเรียนรู้ของเครื่องสำหรับการพยากรณ์ผลผลิตกล้วยไม้ในประเทศไทย

The Results of Comparison of the Efficiency of Machine Learning Algorithms for Predicting Orchid Products in Thailand

บทคัดย่อ

          บทความนี้มีวัตถุประสงค์ เพื่อประยุกต์การเรียนรู้ของเครื่องในการพยากรณ์ผลผลิตกล้วยไม้ในประเทศไทย ในการศึกษาครั้งนี้ใช้กระบวนการวิเคราะห์ข้อมูลมาตรฐาน เรียกว่า Cross-industry standard process (CRISP) ประกอบด้วย 6 ขั้นตอน ได้แก่ เข้าใจปัญหาของธุรกิจ เข้าใจข้อมูล เตรียมข้อมูล พัฒนาแบบจำลอง การประเมิน และการนำไปใช้จริง ข้อมูลที่ใช้รวบรวมข้อมูลพื้นที่เพาะปลูก จำนวนครัวเรือน และผลผลิตกล้วยไม้จาก www.oae.go.th และ www.ditp.go.th ในปี 2559 - 2563 จำนวน 20 จังหวัด การเตรียมและคัดเลือกข้อมูลให้สมบูรณ์เหมาะสำหรับการทำเหมืองข้อมูลด้วยกระบวนการ Extract transform load (ETL) จากนั้นทำการโอนย้ายข้อมูล การลดขนาดของข้อมูล และการทำความสะอาดข้อมูล ใช้โปรแกรม Knime เป็นเครื่องมือ วิเคราะห์หาความสัมพันธ์ และใช้อัลกอริทึมพยากรณ์ผลผลิตกล้วยไม้ด้วย 3 แบบ ได้แก่ Simple regression tree, Gradient boosted trees และ Random forest การทดสอบประสิทธิภาพอัลกอริทึมด้วยการหา R² เพื่อหาอัลกอริทึมที่เหมาะสมที่สุดและวัดผล ซึ่งผลการศึกษา พบว่า การพยากรณ์ผลผลิตกล้วยไม้ในประเทศไทยจากอัลกอริทึม Gradient boosted tree มีค่าถูกต้องสูงสุด คิดเป็นร้อยละ 97.50 เมื่อเทียบกับอัลกอริทึม Simple regression tree และ Random forest ถูกต้องร้อยละ 96.40 และ 92.80 ตามลำดับ สามารถนำมาแสดงผลข้อมูลด้วยภาพโดยใช้ Power business intelligence (Power BI) ซึ่งเป็นประโยชน์ในการวางแผนการผลิต เพื่อเพิ่มยอดขายได้เป็นอย่างดี