Original Title: SHAPLEY VALUES AS A GENERIC APPROACH TO INTERPRETABLE FEATURE SELECTION
Source: trepo.tuni.fi
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

តម្លៃ SHAPLEY ជាវិធីសាស្ត្រទូទៅសម្រាប់ការជ្រើសរើសលក្ខណៈពិសេសដែលអាចបកស្រាយបាន

ចំណងជើងដើម៖ SHAPLEY VALUES AS A GENERIC APPROACH TO INTERPRETABLE FEATURE SELECTION

អ្នកនិពន្ធ៖ Igor Trotskii (Tampere University)

ឆ្នាំបោះពុម្ព៖ October 2023, Tampere University

វិស័យសិក្សា៖ Machine Learning

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ តើការប្រើប្រាស់តម្លៃ Shapley (Shapley values) សម្រាប់ការជ្រើសរើសលក្ខណៈពិសេស (Feature selection) នៅក្នុងម៉ូដែល Machine Learning ពិតជាមានប្រសិទ្ធភាព និងអាចជំនួសវិធីសាស្ត្រប្រពៃណីផ្សេងទៀតបានដែរឬទេ?

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រៀបធៀបវិធីសាស្ត្រជ្រើសរើសលក្ខណៈពិសេសដោយផ្អែកលើតម្លៃ Shapley ជាមួយនឹងវិធីសាស្ត្រ Filter និង Wrapper ប្រពៃណីផ្សេងៗទៀត ទៅលើទិន្នន័យអត្ថបទ និងទិន្នន័យលេខ។

ការធ្វើចំណាត់ថ្នាក់អត្ថបទខ្នាតធំ (High-dimensional text classification) ដូចជាទិន្នន័យ Enron Spam និង Brown corpus
ការធ្វើចំណាត់ថ្នាក់ទិន្នន័យលេខ (Numerical data classification) ដូចជា MIT-BIH, Arcene, និង Ionosphere
ការវាយតម្លៃដំណើរការម៉ូដែល (Model performance evaluation) ដោយប្រើ F1-score, Precision, Recall និង Runtime

លទ្ធផលសំខាន់ៗ (The Verdict)៖

វិធីសាស្ត្រតម្លៃ Shapley ធម្មតា (Naive Shapley-based method) អាចផ្តល់លទ្ធផលល្អ ប៉ុន្តែវាមិនមានសមត្ថភាពកាត់បន្ថយលក្ខណៈពិសេសដែលជាន់គ្នា (Redundancy) នោះទេ។
វិធីសាស្ត្រ Interaction Shapley Values (ISV) អាចដោះស្រាយភាពជាន់គ្នាបាន ប៉ុន្តែវាទាមទារថាមពលកុំព្យូទ័រខ្ពស់ និងអង្គចងចាំច្រើន ដែលធ្វើឱ្យវាមិនអាចប្រើប្រាស់បានសម្រាប់ទិន្នន័យខ្នាតធំ។
ក្បួនដោះស្រាយ mRMR (Minimum Redundancy Maximum Relevance) ត្រូវបានរកឃើញថាជាជម្រើសដ៏ល្អបំផុត ដែលផ្តល់នូវលទ្ធផលខ្ពស់ជាប់លាប់ជាមួយនឹងពេលវេលាដំណើរការ (Runtime) សមស្របជាងគេឆ្លងកាត់សំណុំទិន្នន័យជាច្រើន។

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method)	គុណសម្បត្តិ (Pros)	គុណវិបត្តិ (Cons)	លទ្ធផលគន្លឹះ (Key Result)
Naive Shapley Values (SHAP) វិធីសាស្ត្រតម្លៃ Shapley ធម្មតា	អាចចាប់យកឥទ្ធិពលរួមបញ្ចូលគ្នានៃលក្ខណៈពិសេសតាមរយៈម៉ូដែល Tree-based និងផ្តល់ការបកស្រាយបានយ៉ាងល្អ។ វាមានល្បឿនលឿនគួរសមបើធៀបនឹងវិធីសាស្ត្រ Wrapper ដទៃទៀត។	មិនមានសមត្ថភាពក្នុងការដោះស្រាយភាពជាន់គ្នា (Redundancy) ដោយស្វ័យប្រវត្តិទេ ដែលអាចធ្វើឱ្យជ្រើសរើសលក្ខណៈពិសេសស្រដៀងគ្នាច្រើនពេក។ ទាមទារការប្រើប្រាស់ម៉ូដែល Tree-based ប៉ុណ្ណោះ។	ទទួលបានលទ្ធផល F1-Score ខ្ពស់បំផុតលើទិន្នន័យ Enron Spam ប៉ុន្តែមានប្រសិទ្ធភាពទាបជាងវិធីសាស្ត្រប្រពៃណីផ្សេងទៀតលើទិន្នន័យ Brown Corpus។
Interaction Shapley Values (ISV) វិធីសាស្ត្រអន្តរកម្មតម្លៃ Shapley	ដោះស្រាយបញ្ហាភាពជាន់គ្នាបានយ៉ាងល្អ ដោយលុបបំបាត់ឥទ្ធិពលមិនល្អពីលក្ខណៈពិសេសដែលមិនបានជ្រើសរើស។ វាពិចារណាលើអន្តរកម្ម (Interactions) រវាងលក្ខណៈពិសេសនីមួយៗ។	ទាមទារអង្គចងចាំ Memory ខ្ពស់បំផុតរហូតដល់ O(M^2) និងស៊ីពេលគណនាខ្លាំង ដែលធ្វើឱ្យវាមិនអាចប្រើប្រាស់បានទាល់តែសោះសម្រាប់ទិន្នន័យខ្នាតធំ (High-dimensional data)។	ផ្តល់លទ្ធផលល្អប្រសើរខ្លាំងលើសំណុំទិន្នន័យតូចៗដូចជា MIT-BIH និង Arcene ប៉ុន្តែមិនអាចអនុវត្តលើទិន្នន័យអត្ថបទបានទេ។
Minimum Redundancy Maximum Relevance (mRMR) វិធីសាស្ត្រកាត់បន្ថយភាពជាន់គ្នានិងបង្កើនភាពពាក់ព័ន្ធ (mRMR)	មានដំណើរការលឿន អាចកាត់បន្ថយលក្ខណៈពិសេសដែលជាន់គ្នាបានល្អ និងមានប្រសិទ្ធភាពខ្ពស់ជាប់លាប់នៅគ្រប់សំណុំទិន្នន័យ។ វាមានតុល្យភាពល្អរវាងពេលវេលាដំណើរការនិងភាពសុក្រឹត។	មិនអាចចាប់យកឥទ្ធិពលអន្តរកម្ម (Interactions) ស្មុគស្មាញរវាងលក្ខណៈពិសេសដូចវិធីសាស្ត្រ ISV ឬ Wrapper ដទៃទៀតនោះទេ។	ជាវិធីសាស្ត្រដ៏រឹងមាំមួយដែលផ្តល់លទ្ធផលល្អខ្លាំង និងលឿន ជាពិសេសលើទិន្នន័យ Ionosphere និង Brown Corpus។
Chi-Square (χ2) វិធីសាស្ត្រ Chi-Square	មានល្បឿនលឿនខ្លាំងសម្រាប់ការគណនា និងមានប្រសិទ្ធភាពខ្ពស់ក្នុងការស្វែងរកទំនាក់ទំនងរវាងលក្ខណៈពិសេសនិងប្រភេទចំណាត់ថ្នាក់ (Categorical data)។	អាចប្រើបានតែជាមួយទិន្នន័យដែលមានលក្ខណៈជាប្រភេទ (Categorical/Discrete) ប៉ុណ្ណោះ និងមិនអាចដោះស្រាយភាពជាន់គ្នាបានទេ។	ជាវិធីសាស្ត្រដែលដំណើរការបានល្អបំផុត និងមានល្បឿនលឿនលើសំណុំទិន្នន័យ Brown Corpus ក្នុងចំណោមវិធីសាស្ត្រ Filter ដទៃទៀត។

ការចំណាយលើធនធាន (Resource Cost)៖ ការប្រើប្រាស់វិធីសាស្ត្រផ្អែកលើ Shapley Values ទាមទារថាមពលកុំព្យូទ័រ និងអង្គចងចាំ (Memory) ខ្ពស់ខុសៗគ្នា អាស្រ័យលើទំហំទិន្នន័យ និងប្រភេទក្បួនដោះស្រាយដែលត្រូវបានជ្រើសរើស។

Hardware: ទាមទារកុំព្យូទ័រដែលមាន RAM ធំ និង CPU/GPU សមត្ថភាពខ្ពស់ សម្រាប់ការប្រើប្រាស់វិធីសាស្ត្រ ISV ព្រោះវាត្រូវការអង្គចងចាំកើនឡើងតាមរូបមន្ត O(M^2) សម្រាប់គណនា Pairwise interactions នៃទិន្នន័យ។
Software: ទាមទារការប្រើប្រាស់ភាសា Python និងបណ្ណាល័យសំខាន់ៗដូចជា SHAP, scikit-learn, numpy រួមទាំងម៉ូដែលប្រភេទ Tree-based ដូចជា XGBoost, LightGBM ឬ Random Forest ដើម្បីអនុញ្ញាតឱ្យគណនាតម្លៃ Shapley បានលឿន (Polynomial time)។
Dataset: តម្រូវឱ្យទិន្នន័យត្រូវបានសម្អាតរួចរាល់ (Preprocessed) ដូចជាការធ្វើ Tokenization, Lemmatization និងការបំបាត់ Punctuation សម្រាប់ទិន្នន័យអត្ថបទ និងការធ្វើស្តង់ដារ (Standardization) សម្រាប់ទិន្នន័យលេខ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះពឹងផ្អែកទាំងស្រុងលើសំណុំទិន្នន័យលោកខាងលិច ដូចជា Enron Spam (អ៊ីមែលភាសាអង់គ្លេស), Brown corpus និងទិន្នន័យវេជ្ជសាស្ត្រ MIT-BIH ជាដើម។ សម្រាប់ប្រទេសកម្ពុជា ការអនុវត្តវិធីសាស្ត្រទាំងនេះទៅលើទិន្នន័យអត្ថបទភាសាខ្មែរ (Khmer NLP) នឹងជួបប្រទះបញ្ហាប្រឈមធំៗទាក់ទងនឹងរចនាសម្ព័ន្ធវេយ្យាករណ៍ និងការកាត់ពាក្យ (Word segmentation) ដែលតម្រូវឱ្យមានការកែច្នៃទិន្នន័យឱ្យស្របតាមបរិបទភាសាក្នុងស្រុកជាមុនសិន។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រជ្រើសរើសលក្ខណៈពិសេស (Feature Selection) ដែលបង្ហាញក្នុងឯកសារនេះ គឺមានសារៈសំខាន់ និងអាចយកមកអនុវត្តប្រកបដោយប្រសិទ្ធភាពដើម្បីអភិវឌ្ឍប្រព័ន្ធ Machine Learning នៅកម្ពុជា។

Khmer NLP & Spam Detection: ក្រុមហ៊ុនទូរគមនាគមន៍ (ឧ. Cellcard, Smart) ឬធនាគារ អាចប្រើយន្តការនេះដើម្បីវិភាគរកសារឆបោក (Spam/Phishing SMS) ជាភាសាខ្មែរ ដោយជ្រើសរើសតែពាក្យគន្លឹះសំខាន់ៗដែលជួយឱ្យម៉ូដែលដំណើរការលឿន និងច្បាស់លាស់។
Healthcare Data Analysis (ការវិភាគទិន្នន័យសុខាភិបាល): មន្ទីរពេទ្យកម្រិតខ្ពស់នៅកម្ពុជាអាចប្រើប្រាស់ក្បួនដោះស្រាយនេះលើទិន្នន័យជំងឺបេះដូង (ដូចការធ្វើតេស្តលើទិន្នន័យ MIT-BIH) ដើម្បីកាត់បន្ថយចំនួនរោគសញ្ញា ឬការធ្វើតេស្តដែលមិនចាំបាច់ ដែលជួយសន្សំសំចៃពេលវេលានិងថវិកាអ្នកជំងឺក្នុងការធ្វើរោគវិនិច្ឆ័យ។
Financial Credit Scoring (ការវាយតម្លៃឥណទាន): គ្រឹះស្ថានមីក្រូហិរញ្ញវត្ថុ និងធនាគារ (ឧ. ធនាគារអេស៊ីលីដា, ABA) អាចប្រើវិធីសាស្ត្រ mRMR ផ្គួបជាមួយ SHAP ដើម្បីជ្រើសរើសកត្តាដែលមានឥទ្ធិពលបំផុតសម្រាប់វាយតម្លៃហានិភ័យកម្ចី ដោយធានាបាននូវតម្លាភាពដែលអាចបកស្រាយមូលហេតុប្រាប់អតិថិជនបាន (Explainable AI)។

ជារួម ការច្របាច់បញ្ចូលគ្នារវាងវិធីសាស្ត្រកាត់បន្ថយទំហំទិន្នន័យរហ័ស (ដូចជា mRMR) និងការពន្យល់ម៉ូដែលលម្អិត (Shapley Values) គឺជាយុទ្ធសាស្ត្រដ៏មានសក្តានុពលសម្រាប់ស្ថាប័ននានានៅកម្ពុជា ក្នុងការបង្កើត AI ដែលមានតម្លៃទាបតែអាចទុកចិត្តបាន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

សិក្សាមូលដ្ឋានគ្រឹះនៃការជ្រើសរើសលក្ខណៈពិសេស: ស្វែងយល់ពីភាពខុសគ្នារវាង Filter, Wrapper, និង Embedded methods ដោយអនុវត្តការសរសេរកូដជាក់ស្តែងតាមរយៈបណ្ណាល័យ scikit-learn នៅក្នុង Python ដើម្បីធ្វើការច្រោះទិន្នន័យបឋម។
អនុវត្តការបកស្រាយម៉ូដែលជាមួយ Shapley Values: សិក្សាពីទ្រឹស្តី Game Theory និងប្រើប្រាស់បណ្ណាល័យ SHAP ដើម្បីបកស្រាយលទ្ធផលម៉ូដែល 예측។ គប្បីចាប់ផ្តើមប្រើវាជាមួយម៉ូដែល XGBoost ឬ Random Forest ដែលចំណាយពេលគណនាតិច (Polynomial time)។
ទប់ស្កាត់ភាពជាន់គ្នាដោយប្រើ mRMR: សម្រាប់គម្រោងមានទិន្នន័យធំៗ (High-dimensional data) ដូចជាអត្ថបទ សូមកុំប្រើ SHAP តែឯង។ ត្រូវប្រើក្បួនដោះស្រាយ mRMR ជាមុនសិន ដើម្បីកាត់បន្ថយលក្ខណៈពិសេសដែលជាន់គ្នា និងរក្សាទុកតែទិន្នន័យដែលពាក់ព័ន្ធបំផុត។
បង្កើតប្រព័ន្ធជ្រើសរើសទិន្នន័យបែបកូនកាត់ (Hybrid Approach): អនុវត្តតាមអនុសាសន៍នៃការសិក្សា ដោយបង្កើតប្រព័ន្ធ២ដំណាក់កាល៖ ប្រើ mRMR ដើម្បីកាត់បន្ថយទំហំទិន្នន័យពីច្រើនម៉ឺនមកត្រឹមរាប់រយ រួចប្រើប្រាស់ Interaction Shapley Values (ISV) ទៅលើទិន្នន័យដែលសល់នោះ ដើម្បីរក្សាទុកតែលក្ខណៈពិសេសមានអន្តរកម្មខ្លាំងបំផុត។
វាស់វែងប្រសិទ្ធភាពលើទិន្នន័យបរិបទកម្ពុជា: ប្រមូលទិន្នន័យជាក់ស្តែង (ឧទាហរណ៍៖ សំណុំទិន្នន័យពាក្យកម្ចី ឬ អត្ថបទព័ត៌មានភាសាខ្មែរ) រួចដំណើរការការប្រៀបធៀប (Benchmarking) ភាពត្រឹមត្រូវនៃម៉ូដែលតាមរយៈ F1-score និងវាស់វែងពេលវេលាដំណើរការ (Runtime) ដើម្បីកំណត់ថាតើវិធីសាស្ត្រមួយណាស័ក្តិសមបំផុតក្នុងប្រតិបត្តិការជាក់ស្តែង។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស	ការពន្យល់ជាខេមរភាសា (Khmer Explanation)	និយមន័យសាមញ្ញ (Simple Definition)
Shapley values	ជាគោលគំនិតមានប្រភពពីទ្រឹស្តីល្បែង (Game Theory) ដែលត្រូវបានប្រើប្រាស់ក្នុង Machine Learning ដើម្បីគណនា និងបែងចែកចំណែកនៃឥទ្ធិពលរបស់លក្ខណៈពិសេស (Feature) នីមួយៗទៅលើលទ្ធផលរបស់ម៉ូដែល ដោយធានាបាននូវភាពយុត្តិធម៌ក្នុងការវាយតម្លៃ។	ដូចជាការបែងចែកប្រាក់រង្វាន់ដល់សមាជិកក្រុមនីមួយៗ ដោយផ្អែកលើទំហំការងារនិងការចូលរួមចំណែកជាក់ស្តែងរបស់ពួកគេក្នុងការសម្រេចលទ្ធផលការងារនោះ។
Feature Selection	ជាដំណើរការនៃការជ្រើសរើសយកតែទិន្នន័យ ឬអថេរណាដែលពាក់ព័ន្ធ និងមានប្រយោជន៍បំផុត ដើម្បីយកមកបង្វឹកម៉ូដែល Machine Learning និងកាត់ចោលនូវទិន្នន័យដែលមិនចាំបាច់ ឬជាន់គ្នា។	ដូចជាការរៀបចំវ៉ាលីមុនពេលធ្វើដំណើរ ដោយជ្រើសរើសយកតែរបស់ចាំបាច់បំផុតទៅតាម និងទុកចោលរបស់ដែលមិនចាំបាច់ដើម្បីកុំឲ្យធ្ងន់។
Markov Blanket	គឺជាសំណុំតូចបំផុតនៃអថេរជុំវិញអថេរគោលដៅ ដែលផ្ទុកនូវព័ត៌មានទាំងអស់ចាំបាច់សម្រាប់ធ្វើការទស្សន៍ទាយអថេរគោលដៅនោះ ដោយមិនត្រូវការទិន្នន័យពីអថេរផ្សេងទៀតឡើយ។	ដូចជាក្រុមអ្នកជិតខាងនិងគ្រួសារផ្ទាល់របស់អ្នក ដែលដឹងរឿងរ៉ាវពិតប្រាកដរបស់អ្នកច្បាស់ជាងគេ រហូតដល់អ្នកដទៃមិនចាំបាច់ទៅសួរអ្នកភូមិផ្សេងទៀតឡើយ។
Wrapper methods	ជាក្បួនជ្រើសរើសលក្ខណៈពិសេស ដែលវាយតម្លៃសំណុំរងនៃលក្ខណៈពិសេស ដោយយកវាទៅបង្វឹកម៉ូដែល Machine Learning ពិតប្រាកដ រួចវាស់ស្ទង់មើលប្រសិទ្ធភាពរបស់ម៉ូដែលនោះ។ វាមានភាពសុក្រឹតខ្ពស់តែស៊ីពេលគណនាខ្លាំង។	ដូចជាការសាកល្បងពាក់ខោអាវផ្ទាល់ម្តងមួយឈុតៗ ដើម្បីចង់ដឹងថាមួយណាស័ក្តិសមនឹងអ្នកបំផុត ជាជាងការគ្រាន់តែស្មានដោយមើលនឹងភ្នែក។
Filter methods	ជាវិធីសាស្ត្រជ្រើសរើសលក្ខណៈពិសេសដោយផ្អែកលើការគណនាស្ថិតិ (ដូចជា Mutual Information ឬ Chi-Square) ដោយមិនពឹងផ្អែកលើម៉ូដែល Machine Learning ឡើយ ដែលធ្វើឲ្យវាមានដំណើរការលឿន តែមិនបានគិតពីអន្តរកម្មរវាងអថេរទេ។	ដូចជាការរែងយកគ្រាប់ខ្សាច់ម៉ត់ៗដោយប្រើកញ្ច្រែង ដែលអាចធ្វើបានលឿនដោយមិនចាំបាច់យកខ្សាច់នោះទៅសាកល្បងលាយស៊ីម៉ងត៍ជាមុនឡើយ។
Mutual Information	ជារង្វាស់នៃការវាយតម្លៃថាតើព័ត៌មានពីអថេរមួយ អាចជួយកាត់បន្ថយភាពមិនប្រាកដប្រជា (Uncertainty) របស់អថេរមួយទៀតបានកម្រិតណា។ វាជួយប្រាប់យើងថាអថេរទាំងពីរមានទំនាក់ទំនងគ្នាកម្រិតណា។	ដូចជាការទស្សន៍ទាយអាកាសធាតុ បើអ្នកឃើញមេឃងងឹត (អថេរមួយ) វាផ្តល់ព័ត៌មានយ៉ាងច្បាស់ថាភ្លៀងនឹងធ្លាក់ (អថេរគោលដៅ)។
TF-IDF	ជារូបមន្តគណនាទម្ងន់នៃពាក្យក្នុងអត្ថបទ ដើម្បីកំណត់ថាតើពាក្យនោះមានសារៈសំខាន់កម្រិតណាសម្រាប់អត្ថបទនោះធៀបនឹងឯកសារទាំងអស់ក្នុងសំណុំទិន្នន័យ។ វាផ្តល់តម្លៃខ្ពស់ដល់ពាក្យដែលមានញឹកញាប់ក្នុងឯកសារមួយ តែមានតិចតួចក្នុងឯកសារផ្សេងទៀត។	ដូចជាការសម្គាល់មនុស្សដោយចំណុចពិសេសរបស់គាត់ (ឧ. មានសម្លាកលើមុខ) ជាជាងការសម្គាល់ដោយចំណុចធម្មតាដែលមានលើមនុស្សគ្រប់គ្នា (ឧ. មានច្រមុះមួយ)។
mRMR	ជាក្បួនដោះស្រាយសម្រាប់ជ្រើសរើសលក្ខណៈពិសេស ដែលមានគោលដៅស្វែងរកអថេរដែលមានទំនាក់ទំនងខ្លាំងបំផុតជាមួយអថេរគោលដៅ (Relevance) ព្រមទាំងព្យាយាមកាត់បន្ថយអថេរណាដែលមានព័ត៌មានជាន់គ្នា (Redundancy)។	ដូចជាការជ្រើសរើសក្រុមបាល់ទាត់ ដោយជ្រើសរើសកីឡាករពូកែៗ និងត្រូវប្រាកដថាអ្នកទាំងនោះមានជំនាញលេងនៅទីតាំងខុសៗគ្នា មិនជាន់តួនាទីគ្នា។
Tree-based models	ជាប្រភេទម៉ូដែល Machine Learning (ដូចជា Random Forest ឬ XGBoost) ដែលធ្វើការសម្រេចចិត្តដោយបំបែកទិន្នន័យជាមែកធាងជាបន្តបន្ទាប់។ វាមានលក្ខណៈពិសេសអាចឲ្យការគណនាតម្លៃ Shapley បានលឿន (Polynomial time)។	ដូចជាតារាងសំណួរយេសនូ (Yes/No) ជាបន្តបន្ទាប់ ដែលជួយណែនាំអ្នកឆ្ពោះទៅរកចម្លើយចុងក្រោយមួយជាក់លាក់។
Curse of dimensionality	ជាបញ្ហាក្នុងវិទ្យាសាស្ត្រទិន្នន័យ ដែលនៅពេលចំនួនអថេរ (Features) កើនឡើងកាន់តែច្រើន ទំហំលំហទិន្នន័យកាន់តែធំ ដែលតម្រូវឲ្យមានសំណាកទិន្នន័យច្រើនជាអិចស្ប៉ូណង់ស្យែល (Exponential) ដើម្បីបង្វឹកម៉ូដែលឲ្យបានល្អ និងចៀសវាងការ Overfitting។	ដូចជាការព្យាយាមរកម្ជុលក្នុងបាតសមុទ្រ បើផ្ទៃសមុទ្រកាន់តែធំ និងជ្រៅ អ្នកកាន់តែពិបាករកម្ជុលនោះទាន់ពេលវេលា។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖