องค์ประกอบที่สำคัญของการทำ Machine Learning คือการ Classification Problems ยิ่ง Model จำแนกปัญหาได้คมเท่าไร เราก็จะทำนายผลได้แม่นยำมากขึ้นเท่านั้น วันนี้จึงขอเชิญ Data Analytics จาก SCB TechX คุณกอล์ฟ เมธี ประเสริฐกิจพันธุ์ มาช่วยแนะนำเทคนิคการทำ Classification Problems ด้วย K-Nearest Neighbors (KNN) หากท่านใดสนใจนำไปใช้ คลิกอ่าน Tips 1 นาทีนี้กันได้เลยค่ะ

K-Nearest Neighbors (KNN) เป็นเทคนิคที่นำมาประยุกต์ใช้ทำ Classification Problems ได้อย่างมีประสิทธิภาพ เช่น การจำแนกเซลล์มะเร็ง โดยอาศัยหลักการวัด Similarity ระหว่างเซลล์ที่ต้องการทดสอบกับเซลล์อื่น ๆ เมื่อพบว่าเซลล์มะเร็งที่กำลังศึกษามีลักษณะคล้ายกับเซลล์ใดมากที่สุด ระบบจะจัดกลุ่มเซลล์นั้นมาเข้าหมวดหมู่เดียวกัน วิธีนี้ไม่ต้องใช้ Training Data แต่ใช้ข้อมูลที่มีอยู่เพื่อทำการจำแนกโดยตรง เหมาะกับการการจำแนก Data ที่มีความซับซ้อนและต้องการความแม่นยำสูง อีกทั้งยังให้ข้อมูลสำคัญที่สนับสนุนการตัดสินใจได้ดี เช่นงานทางการแพทย์เพื่อวางแผนการรักษาที่เหมาะสม