โปรแกรมจำแนกข้อมูลแบบหลายโมเดล

Abstract

การจําแนกประเภทข้อมูลนั้นมีการพัฒนาเทคนิคในการจําแนกประเภทอย่างต่อเนื่อง โดยค่าความถูกต้องในการจําแนกประเภทข้อมูลถือเป็นค่าที่นำมาใช้ในการวัดประสิทธิภาพของตัวจําแนกประเภทอย่างแพร่หลายในแต่ละชุดข้อมูลที่มีความแตกต่างกันมีความเหมาะสมในการเลือกใช้ตัว จําแนกประเภทที่แตกต่างกันซึ่งเป็นความยากต่อผู้ใช้โดยทั่วไป งานวิจัยนี้ จึงนําเสนอแนวคิดในการพัฒนาโปรแกรมจําแนกประเภทข้อมูลแบบหลายโมเดล โดยคัดเลือกตัวจําแนกที่เป็นที่รู้จัก ห้าชนิด ได้แก่ นาอีฟเบย์, โครงข่ายประสาทเทียม, เคเนียเรสเนเบอร์, ซัพพอร์ตเวกเตอร์แมชชีน และ ต้นไม้ ตัดสินใจมาใช้งาน ร่วมกันเพื่อให้โปรแกรมคัดเลือกโมเดลที่ดีที่สุดสำหรับชุดข้อมูลนั้น ๆ มาใช้งาน ผลการทดสอบกับชุดข้อมูล แปดชุด พบว่าใน แต่ละชุดข้อมูลจะมีตัวจําแนกประเภทที่เหมาะสมและให้ค่าความถูกต้องสูง กระจายตัวกันไป และตัวโปรแกรมได้เลือกใช้โมเดล ที่มีค่าความถูกต้องสูงที่สุดให้ผู้ใช้โดยอัตโนมัติ

Data Classification have been developed for improve the accuracy value because it is used as a measurement of classification performance. Selected classifier from users might be not suitable for the dataset. In this work, we proposed the program that make the selected classifier for dataset task is easier than usual by convert the manual process to automatic selected classifier. The proposed program creates several model from Neural network, Decision Tree, Naïve Bayes, Support Vector Machine, and K-Nearest Neighbor prior selected the best one based on accuracy value. Finally, the test results are represented that matching of suitable classifier and dataset are selected by proposed program. Therefore, this program can be used by user easily without concerning about the suitable of classifier and dataset.