วิธีการเลือกข้อมูลที่ไม่มีป้ายกำกับอย่างอัตโนมัติเพื่อการสร้างโมเดลการเรียนรู้ร่วมแบบกึ่งมีผู้สอน

An Automatic Unlabeled Selection for CO-Training REGressors (AU-COREG)

Name: ศิริขวัญ คีรีสุวรรณกุล

ThaSH: ชุดข้อมูล -- วิจัย

ThaSH: ข้อมูลขนาดใหญ่ -- วิจัย

ThaSH: โมเดลพยากรณ์

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพโมเดลพยากรณ์ ด้วยวิธีการเลือกข้อมูลที่ไม่มีป้ายกำกับอย่างอัตโนมัติ เพื่อสร้างโมเดลการเรียนรู้ร่วมแบบกึ่งมีผู้สอน ซึ่งเหมาะสำหรับข้อมูลที่มีป้ายกำกับปริมาณน้อยมาก โดยวิธีการที่นำเสนอนี้จะใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับที่มีอยู่ปริมาณมากมาช่วยเพิ่มประสิทธิภาพของการสร้างโมเดลจำแนกประเภทข้อมูล หรือประมาณค่า วิธีการที่นำเสนอนี้เริ่มด้วยการใช้โมเดล 2 โมเดล ทำการกำกับค่าให้กับข้อมูลที่ไม่มีป้ายกำกับ จากนั้นนำข้อมูลเหล่านี้มาทำการจัดกลุ่มเพื่อให้ข้อมูลที่มีความคล้ายคลึงกันอยู่กลุ่มเดียวกัน และแยกข้อมูลที่ต่างกันออกให้อยู่ต่างกลุ่มกัน ถัดมาจึงเลือกตัวแทนแต่ละกลุ่มเพื่อหาข้อมูลที่ทำให้โมเดลพยากรณ์มีความคลาดเคลื่อนน้อยที่สุด เพื่อเข้าไปเป็นชุดข้อมูลสอนในรอบถัดไป และสร้างโมเดลพยากรณ์ใหม่ ทำซ้ำจนเพิ่มข้อมูลเข้าไปในชุดสอนได้ครบ จากนั้นการพยากรณ์ขั้นสุดท้ายทำได้โดยการหาค่าเฉลี่ยของค่าพยากรณ์จากทั้งสองโมเดลที่สร้างขึ้น จากการทดสอบด้วยข้อมูลจำนวน 3 ชุด แสดงให้เห็นว่าวิธีการที่นำเสนอ สามารถปรับปรุงประสิทธิภาพของโมเดลพยากรณ์ได้ และช่วยลดเวลาลงไปมากกว่า 84% เมื่อเทียบกับวิธีการเดิม

มหาวิทยาลัยธุรกิจบัณฑิตย์. ศูนย์เรียนรู้และหอสมุด.

Address: กรุงเทพมหานคร

Email: library@dpu.ac.th

Name: เอกสิทธิ์ พัชรวงศ์ศักดา

Role: อาจารย์ที่ปรึกษา

Modified: 2565-07-19

Created: 2562

Issued: 2565-07-19

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมข้อมูลขนาดใหญ่

Grantor: มหาวิทยาลัยธุรกิจบัณฑิตย์

©copyrights มหาวิทยาลัยธุรกิจบัณฑิตย์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Sirikwan.Khe.pdf	6.05 MB	13	2026-05-26 18:16:01

ใช้เวลา

-0.666167 วินาที