กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้: http://cmruir.cmru.ac.th/handle/123456789/427
ชื่อเรื่อง: การใช้ K-Nearest Neighbor Algorithm เพื่อสร้างโมเดลการจำแนกรูปแบบการเรียนรู้สำหรับทำนายผลการจัดระดับมาตรฐานผลิตภัณฑ์ OTOP หัตถกรรม กลุ่มไม้
ชื่อเรื่องอื่นๆ: A Classification Model for Predicting Standard Levels of OTOP’s Wood Handicraft Products by Using the K-Nearest Neighbor
ผู้แต่ง/ผู้ร่วมงาน: Tarapitakwong, Jittaporn
ธาราพิทักษ์วงศ์, จิตราภรณ์
คำสำคัญ: K-Nearest Neighbor Algorithm
Euclidean distance
Classification
OTOP product standards
ระดับมาตรฐานผลิตภัณฑ์ OTOP
วันที่เผยแพร่: พฤษ-2017
สำนักพิมพ์: International Journal of the computer, the Internet and Management
บทคัดย่อ: The aim of this research is to develop a classification model for predicting standard levels of OTOP’s wood handicraft products by using the K-Nearest Neighbor (K-NN). To develop candidates of classification models, we used the analysis software Weka to apply the k-fold cross- validation method to our datasets. Then, the best K-NN from 22 product attributes were selected to be used for the models based on the Euclidean distances. The best classification model developed from the previous steps was able to predict standard levels of OTOP’s wood handicraft products with high reliability. The model reported in this study can achieve accuracy, recall, and precision at the level of 88.34%, 88.30%, and 83.4%, respectively. Our result indicates that the model with the lowest Euclidean distance in the 3 aspects above can be efficiently used for predicting standard levels of product as specified by the OTOP project.
รายละเอียด: งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างโมเดลจำแนกรูปแบบการเรียนรู้เพื่อจัดระดับมาตรฐานผลิตภัณฑ์ OTOP หัตถกรรม กลุ่มไม้ ด้วย K-Nearest Neighbor Algorithm และใช้ฟังก์ชันระยะห่างยูคลิเดียน(Euclidean distance) มาคำนวณระยะห่างของข้อมูลตัวอย่างที่สนใจ กับ ข้อมูลในฐานกรณี(Case based) ทุกตัว โดยจัดเก็บข้อมูลผลิตภัณฑ์ OTOP ที่ผ่านการประเมินคัดสรรสุดยอดหนึ่งตำบล หนึ่งผลิตภัณฑ์ ซึ่งมี attribute ที่ใช้ในการพิจารณาทั้งหมด 22 attribute มาจำแนกประเภทด้วย K-Nearest Neighbor Algorithm โดยใช้โปรแกรม Weka เลือกวิธีทดสอบแบบ k-fold crass validation ผลการศึกษาพบว่า การจำแนกประเภทการเรียนรู้เพื่อจัดระดับมาตรฐานผลิตภัณฑ์ OTOP หัตถกรรม กลุ่มไม้ ด้วย K-Nearest Neighbor Algorithm มีค่า distance ที่ใช้ในการเปรียบเทียบความคล้ายกัน(similarity) เพื่อนำมาทำนายผล โดยพิจารณาจากข้อมูลที่มีระยะห่างยูคลิเดียนน้อยที่สุดจำนวน 3 กรณี ซึ่งทำให้ได้ค่า Accuracy ที่ร้อยละ 88.34 ค่า Recall ร้อยละ 88.30 และค่า Precision ร้อยละ 83.4 สรุปได้ว่า K-Nearest Neighbor Algorithm โดยใช้ Euclidean distance สามารถจำแนกรูปแบบการเรียนรู้เพื่อจัดระดับมาตรฐานผลิตภัณฑ์ OTOP หัตถกรรม กลุ่มไม้ ได้อย่างมีประสิทธิภาพ
URI: http://cmruir.cmru.ac.th/handle/123456789/427
ปรากฏในกลุ่มข้อมูล:Article

แฟ้มในรายการข้อมูลนี้:
แฟ้ม รายละเอียด ขนาดรูปแบบ 
article-jittaporn.pdf315.14 kBAdobe PDFดู/เปิด


รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น