Tech Tips for Life: วิธีทดสอบความแม่นยำของ Regression Model

หนึ่งในขั้นตอนที่สำคัญที่สุดของการสร้าง Model คือการเช็คว่า Model ที่เราสร้างนั้นทำนายผลลัพธ์ได้แม่นยำแค่ไหน วันนี้จึงขอเชิญ Data Analytics จาก SCB TechX คุณกอล์ฟ เมธี ประเสริฐกิจพันธุ์ มาแชร์วิธีวัดประสิทธิภาพของ Regression Model ที่ใช้ได้จริงผ่าน Metrics 3 แบบ MAE, MSE และ RMSE ดังนี้ (โปรดศึกษาที่ภาพประกอบเพิ่มเติม)

1. MAE (Mean Absolute Error) เป็นการคำนวณหาค่าเฉลี่ยที่เป็น Absolute ของความต่างระหว่างค่า Predict กับค่า Actual วิธีนี้ใช้ประเมินประสิทธิภาพ Model ดีกว่าวิธีอื่นหาก Data ที่นำมาคำนวณมีค่าตัวเลขที่ต่างจากค่าส่วนใหญ่มากๆ (Outlier) เช่นค่าส่วนใหญ่เป็นหลักสิบ แต่มีค่าหลักพันผสมอยู่จำนวนหนึ่ง
2. MSE (Mean Squared Error) เป็นการคำนวณหาค่าเฉลี่ยของความต่างระหว่างค่า Predict กับค่า Actual ยกกำลังสองวิธีนี้ใช้ประเมินประสิทธิภาพ Model ได้ดีหากมีค่าตัวเลขที่ต่างจากค่าส่วนใหญ่ (Outlier) น้อย หรือไม่มีเลย
3. RMSE (Root Mean Squared Error) เป็นการคำนวณหาค่า Square Root ของ Metric MSE ข้างต้น แต่มีข้อดีกว่าตรงที่ตีความง่าย ใช้หน่วยประเมินประสิทธิภาพ Model แบบเดียวกับ Data เนื่องจากมี Square Root จึงไม่มีอิทธิพลของเลขยกกำลังเหมือนกับ MSE

ทั้งนี้การวัดความแม่นยำของ Model ให้ดูจากค่าที่ได้จากการคำนวณ ถ้าได้ค่าน้อยเข้าใกล้ 0 แสดงว่ามี Error น้อย Model มีความแม่นยำในการทำนายที่สมบูรณ์ แต่ค่า 0 มีโอกาสเกิดขึ้นน้อยมาก ดังนั้นให้ลองเทส Model กับ Data ที่เตรียมไว้ประมาณ 2 ชุดหากค่าที่ได้ลดลงเรื่อยๆแสดงว่า Model ทำนายผลได้แม่นยำ สามารถนำมาใช้งานได้

ท้ายนี้บริษัท SCB TechX ให้บริการด้านการจัดการข้อมูลแบบครบวงจร TechX Data & AI Solutions ที่คิดค้นและออกแบบโดยผู้เชี่ยวชาญที่มีประสบการณ์ตรงในการพัฒนา และ Deliver Data ให้แก่องค์กรชั้นนำมากมาย

หากท่านใดสนใจสามารถสอบถามข้อมูลเพิ่มเติมได้ที่ contact@scbtechx.io

อ่านรายละเอียดเพิ่มเติมที่ https://bit.ly/3Q2a9vd