បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាសន្តិសុខស្បៀងនៅប្រទេសរវ៉ាន់ដា ដោយស្វែងរកម៉ូដែល Machine Learning ដ៏មានប្រសិទ្ធភាពបំផុត ដើម្បីព្យាករណ៍ទិន្នផលស្រូវដោយផ្អែកលើធាតុចូល និងការអនុវត្តកសិកម្មរបស់កសិករ។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រើប្រាស់ទិន្នន័យពីវិទ្យាស្ថានជាតិស្ថិតិរវ៉ាន់ដា (NISR) ហើយបានសាកល្បងក្បួនដោះស្រាយ Machine Learning ចំនួន ៨ ប្រភេទផ្សេងគ្នា ដើម្បីប្រៀបធៀបសមត្ថភាពការព្យាករណ៍។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Adaptive Boosting Tree (AdaBoost) ម៉ូដែល Adaptive Boosting Tree |
មានសមត្ថភាពខ្ពស់ក្នុងការកាត់បន្ថយកំហុសដោយផ្តោតលើទិន្នន័យដែលព្យាករណ៍ខុសពីមុន និងកាត់បន្ថយបញ្ហា Overfitting។ | អាចមានភាពរសើបទៅនឹងទិន្នន័យដែលមានលម្អៀងខ្លាំង (Outliers) ទោះបីជាក្នុងការសិក្សានេះវាដំណើរការល្អបំផុតក៏ដោយ។ | RMSE: 0.69, MAE: 0.46, និងកំហុសធៀប (Relative Error) លើទិន្នន័យសាកល្បង: 12.4% (ល្អជាងគេ)។ |
| Extreme Gradient Boosting Tree (XGBoost) ម៉ូដែល Extreme Gradient Boosting |
មានដំណើរការលឿន ផ្តល់លទ្ធផលច្បាស់លាស់ខ្ពស់ និងមានសមត្ថភាពគ្រប់គ្រងទំនាក់ទំនងទិន្នន័យស្មុគស្មាញបានល្អ។ | ទាមទារការកំណត់ប៉ារ៉ាម៉ែត្រ (Hyperparameter tuning) ច្រើន ដើម្បីទទួលបានលទ្ធផលល្អបំផុត។ | RMSE: 0.71, MAE: 0.47, និងកំហុសធៀប (Relative Error) លើទិន្នន័យសាកល្បង: 12.7%។ |
| Random Forest ម៉ូដែល Random Forest |
ជាម៉ូដែលដែលរឹងមាំ មិនងាយ Overfit និងអាចដោះស្រាយបានទាំងបញ្ហាចំណាត់ថ្នាក់ (Classification) និងតំរែតំរង់ (Regression)។ | ដំណើរការយឺតជាងម៉ូដែលប្រភេទ Boosting ក្នុងការទស្សន៍ទាយ និងមានកម្រិតលម្អៀងខ្ពស់ជាងបន្តិចក្នុងការសិក្សានេះ។ | កំហុសធៀប (Relative Error) លើទិន្នន័យសាកល្បង: 15.4%។ |
| Artificial Neural Network (ANN) បណ្ដាញសរសៃប្រសាទសិប្បនិម្មិត |
អាចស្វែងរកទំនាក់ទំនងមិនលីនេអ៊ែរ (Non-linear) ដែលមានភាពស្មុគស្មាញខ្លាំងរវាងអថេរ និងទិន្នផល។ | ជាធម្មតាត្រូវការទិន្នន័យច្រើនសន្ធឹកសន្ធាប់ និងកម្លាំងម៉ាស៊ីនខ្ពស់ ហើយពិបាកក្នុងការបកស្រាយលទ្ធផល (Black box)។ | កំហុសធៀប (Relative Error) លើទិន្នន័យសាកល្បង: 18.9%។ |
| Multiple Linear Regression តំរែតំរង់លីនេអ៊ែរពហុគុណ |
មានភាពសាមញ្ញ ងាយស្រួលយល់ និងបកស្រាយទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងអថេរអនិស្សរៈ។ | មិនអាចចាប់យកទំនាក់ទំនងស្មុគស្មាញ និងទម្រង់មិនលីនេអ៊ែរនៃទិន្នន័យកសិកម្មបានទេ។ | កំហុសធៀប (Relative Error) លើទិន្នន័យសាកល្បង: 24.9% (ខ្សោយជាងគេ)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់អំពីតម្លៃចំណាយហិរញ្ញវត្ថុជាក់លាក់នោះទេ ប៉ុន្តែបានបង្ហាញពីតម្រូវការបច្ចេកទេស និងទិន្នន័យចាំបាច់មួយចំនួនសម្រាប់ការស្រាវជ្រាវនេះ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសរវ៉ាន់ដា ដោយផ្តោតលើទិន្នន័យពីចម្ការស្រូវចំនួន ៨៤២ កន្លែង ជាមួយនឹងលក្ខខណ្ឌអាកាសធាតុ ដី និងការអនុវត្តកសិកម្មជាក់លាក់របស់ប្រទេសនោះ។ ដោយសារកម្ពុជាមានអាកាសធាតុ ប្រភេទដី និងកម្រិតបច្ចេកទេសកសិកម្មខុសពីរវ៉ាន់ដា ការយកម៉ូដែលនេះមកអនុវត្តផ្ទាល់អាចនឹងមានភាពលម្អៀង។ ដូច្នេះ ការប្រមូលទិន្នន័យក្នុងស្រុកគឺជារឿងចាំបាច់បំផុត ដើម្បីកែសម្រួលម៉ូដែលឲ្យស្របតាមបរិបទកម្ពុជា។
វិធីសាស្ត្រប្រើប្រាស់ Machine Learning ដើម្បីវាយតម្លៃធាតុចូលកសិកម្មសម្រាប់ការការព្យាករណ៍ទិន្នផលស្រូវនេះ មានសក្តានុពលខ្ពស់ និងអាចយកមកអនុវត្តប្រកបដោយប្រសិទ្ធភាពនៅក្នុងប្រទេសកម្ពុជា។
សរុបមក ការអនុវត្តវិធីសាស្ត្រនេះនឹងជួយឱ្យអ្នកពាក់ព័ន្ធក្នុងវិស័យកសិកម្មកម្ពុជា អាចធ្វើសេចក្តីសម្រេចចិត្តដោយផ្អែកលើទិន្នន័យជាក់លាក់ (Data-driven decision making) ជាជាងការប៉ាន់ស្មានតាមទម្លាប់ ដែលជួយកាត់បន្ថយការចំណាយ និងបង្កើនទិន្នផល។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Adaptive Boosting Tree (AdaBoost) (ម៉ូដែល Adaptive Boosting Tree) | ជាក្បួនដោះស្រាយ Machine Learning ដែលបង្កើតឡើងដោយការផ្សំម៉ូដែលតូចៗជាច្រើនចូលគ្នា ដោយវាផ្តោតការយកចិត្តទុកដាក់ខ្ពស់ (ផ្តល់ទម្ងន់) ទៅលើទិន្នន័យដែលម៉ូដែលមុនៗបានទស្សន៍ទាយខុស ដើម្បីកែលម្អភាពត្រឹមត្រូវជាបន្តបន្ទាប់។ | ដូចជាសិស្សដែលខំរៀនដោះស្រាយតែប្រភេទលំហាត់ណាដែលខ្លួនធ្លាប់ធ្វើខុសម្តងហើយម្តងទៀត រហូតដល់ចេះស្ទាត់ទាំងអស់។ |
| Extreme Gradient Boosting (XGBoost) (ម៉ូដែល Extreme Gradient Boosting) | ជាក្បួនដោះស្រាយដ៏មានអានុភាពដែលកសាងមែកធាងសេចក្តីសម្រេច (Decision trees) ជាបន្តបន្ទាប់ ដោយមែកធាងនីមួយៗព្យាយាមកែតម្រូវកំហុសរបស់មែកធាងមុន វាមានល្បឿនលឿន និងទប់ស្កាត់បញ្ហា Overfitting បានយ៉ាងល្អ។ | ដូចជាក្រុមជាងសាងសង់ ដែលជាងម្នាក់ៗចូលមកកែតម្រូវចំណុចខ្វះខាតរបស់ជាងមុនៗ រហូតទទួលបានផ្ទះមួយដ៏ល្អឥតខ្ចោះ។ |
| Root Mean Square Error (RMSE) (ឫសការ៉េនៃមធ្យមកំហុសការ៉េ) | ជារង្វាស់ដែលប្រើដើម្បីវាយតម្លៃថាតើការទស្សន៍ទាយរបស់ម៉ូដែលមួយមានភាពខុសគ្នាពីទិន្នន័យជាក់ស្តែងប៉ុនណា ដោយវាផ្តល់ទម្ងន់ធ្ងន់ទៅលើកំហុសណាដែលមានទំហំធំ (តាមរយៈការលើកជាការ៉េ)។ តម្លៃកាន់តែតូច បញ្ជាក់ថាម៉ូដែរកាន់តែល្អ។ | ដូចជាការវាស់ចម្ងាយរវាងគ្រាប់ព្រួញដែលអ្នកបាញ់ និងចំណុចកណ្តាលនៃផ្ទាំងស៊ីប បើចម្ងាយកាន់តែខ្លី មានន័យថាអ្នកបាញ់កាន់តែចំគោលដៅ។ |
| Feature Importance (សារៈសំខាន់នៃលក្ខណៈពិសេស) | ជាបច្ចេកទេសវាយតម្លៃនៅក្នុងម៉ូដែល Machine Learning ដើម្បីកំណត់ថាតើអថេរ ឬកត្តាបញ្ចូលណាមួយ (ឧទាហរណ៍ បរិមាណជី, ប្រភេទពូជ) ដែលមានឥទ្ធិពលខ្លាំងជាងគេក្នុងការជួយឱ្យម៉ូដែលធ្វើការព្យាករណ៍បានត្រឹមត្រូវ។ | ដូចជាការរកមើលថាតើគ្រឿងផ្សំមួយណា (ឧ. អំបិល ស្ករ ឬម្ទេស) ដែលជះឥទ្ធិពលខ្លាំងជាងគេធ្វើឱ្យសម្លមួយចានមានរសជាតិឆ្ងាញ់។ |
| Overfitting (ការរៀនទន្ទេញចាំមាត់ / ការកត់ត្រាទុកជ្រុល) | ជាបញ្ហាដែលកើតឡើងនៅពេលម៉ូដែល Machine Learning រៀន និងចងចាំទិន្នន័យបង្វឹក (Training data) និងកំហុសលម្អិតពេក រហូតដល់វាបាត់បង់សមត្ថភាពក្នុងការទស្សន៍ទាយទិន្នន័យថ្មីៗដែលវាមិនធ្លាប់ជួបពីមុនមក។ | ដូចជាសិស្សដែលខំទន្ទេញចាំមាត់នូវវិញ្ញាសាចាស់ៗទាំងអស់ ប៉ុន្តែមិនអាចដោះស្រាយវិញ្ញាសាថ្មីបាន ព្រោះគាត់មិនយល់ពីគោលការណ៍គ្រឹះនៃការដោះស្រាយ។ |
| 10-fold cross-validation (ការផ្ទៀងផ្ទាត់ខ្វែង ១០ ផ្នែក) | ជាវិធីសាស្ត្រវាយតម្លៃភាពរឹងមាំរបស់ម៉ូដែល ដោយបែងចែកទិន្នន័យជា ១០ ចំណែកស្មើៗគ្នា រួចយក ៩ ចំណែកទៅបង្វឹក (Train) និង ១ ចំណែកទៅសាកល្បង (Test) ហើយធ្វើបែបនេះឆ្លាស់គ្នាចំនួន ១០ ដង ដើម្បីធានាថាម៉ូដែលដំណើរការល្អលើគ្រប់ផ្នែកនៃទិន្នន័យ។ | ដូចជាការដួសភ្លក់ម្ហូប១០កន្លែងផ្សេងគ្នានៅក្នុងឆ្នាំងតែមួយ ដើម្បីប្រាកដថាសម្លឆ្អិន និងមានរសជាតិស្មើគ្នាល្អពេញមួយឆ្នាំង។ |
| Hyperparameters tuning (ការកែតម្រូវប៉ារ៉ាម៉ែត្រកម្រិតខ្ពស់) | ដំណើរការនៃការសាកល្បង និងស្វែងរកតម្លៃកំណត់ជាមុន (Configuration values) ដែលល្អបំផុតសម្រាប់ម៉ូដែល (ឧទាហរណ៍ ជម្រៅនៃមែកធាង ឬល្បឿននៃការរៀន) ដើម្បីឱ្យម៉ូដែលនោះដំណើរការទទួលបានភាពត្រឹមត្រូវខ្ពស់បំផុត។ | ដូចជាការសារ៉េកម្រិតសំឡេង និងបាសនៅលើម៉ាស៊ីនចាក់ភ្លេង ដើម្បីស្វែងរកកម្រិតមួយដែលស្តាប់ទៅពិរោះបំផុតសម្រាប់បទចម្រៀងនោះ។ |
| Ensemble Learning (ការរៀនបែបប្រមូលផ្តុំ) | ជាបច្ចេកទេសនៅក្នុងបញ្ញាសិប្បនិម្មិត ដែលរួមបញ្ចូលម៉ូដែល Machine Learning តូចៗ (ខ្សោយៗ) ច្រើនបញ្ចូលគ្នា ដើម្បីបង្កើតបានជាម៉ូដែលរួមមួយដែលធំ រឹងមាំ និងមានភាពត្រឹមត្រូវក្នុងការទស្សន៍ទាយខ្ពស់ជាងម៉ូដែលទោល។ | ដូចជាការសួរសំណួរទៅកាន់មនុស្ស១០នាក់ រួចយកចម្លើយទាំងនោះមកបូកបញ្ចូល និងថ្លឹងថ្លែងគ្នា ដើម្បីទទួលបានចម្លើយសរុបមួយដែលត្រឹមត្រូវបំផុត (ចង្កឹះមួយបាច់កាច់មិនបាក់)។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
