การประชุมวิชาการระดับชาติมหาวิทยาลัยทักษิณ 2559 - page 260

259
ผลการดาเนินงาน
ความแม่นยาและค่าความผิดพลาด
ในการจาแนกประเภทนิสิ ตที่สามารถสาเร็จการศึกษาได้ตามเวลาและไม่ได้ตามเวลา โดยใช้ ข้อมู ลของนิสิตระดั บ
ปริญญาตรีที่สาเร็จการศึกษา 55 คุณลักษณะ จานวน 394 ข้อมูล โดยจากผลการทดลองทดสอบด้วยวิธีการแบบ 5-Fold
Cross Validation พบว่าอัลกอริทึม 7-Nearest Neighbors ของเทคนิค K-NN แบบถ่วงน้าหนัก (Distance-Weighted K-NN)
ให้ค่าความแม่นยาในการจาแนกประเภทสูงสุดทั้งในกรณีแยกตามสาขาวิชา และรวมข้อมูลนิ สิตทั้งคณะ ด้วยค่าความแม่ นยา
97.8261% ค่าความผิดพลาด (MAE) เท่ากับ 0.158
ตารางที่ 2 แสดงค่าความแม่นยาและค่าความคลาดเคลื่อนของอัลกอริทึ มการจาแนกประเภท
การเปรียบเทียบประสิทธิภาพอัลกอริทึมการจาแนกประเภท
กราฟการเปรียบเทียบประสิทธิ ภาพของอัลกอริทึมแบบต่ าง ๆ แสดงดังภาพที่ 4a และภาพที่ 4b แสดง ROC
AREA จะเห็นได้ว่า อั ลกอริทึมในกลุ่ม Distance-Weight K-NN จะให้ ประสิทธิ ภาพการจาแนกประเภทได้แม่นยากว่า
อัลกอริทึมแบบ Neural Network, K-NN แบบไม่ถ่วงน้าหนัก และต้นไม้การตัดสินใจ ตามลาดับ
4a
4b
ภาพที่ 4a แสดงกราฟเปรียบเทียบค่าความแม่นยาของอัลกอริทึมการจาแนกประเภท, 4b แสดง
พื้นที่ ROC AREA ของอัลกอริทึมการจาแนกประเภท