ML-For-Beginners/translations/km/1-Introduction/4-techniques-of-ML

បច្ចេកទេសនៃការរៀនម៉ាស៊ីន

ដំណើរការនៃការសាងសង់ ការប្រើប្រាស់ និងការថែរក្សាគំរូរៀនម៉ាស៊ីន និងទិន្នន័យដែលពួកវាប្រើ គឺជាដំណើរការផ្សេងលើសពីវឌ្ឍនកម្មផ្សេងទៀតជាច្រើន។ នៅក្នុងមេរៀននេះ យើង​អាចអះអាងពីដំណើរការនេះ និងរៀបរាប់បច្ចេកទេសសំខាន់ៗដែលអ្នកត្រូវយល់ដឹង។ អ្នកនឹង៖

• យល់ដឹងពីដំណើរការដែលគាំទ្រដល់ការរៀនម៉ាស៊ីននៅកម្រិតខ្ពស់។
• ស្វែងយល់អំពីគំនិតមូលដ្ឋានដូចជា 'គំរូ', 'ការព្យាករណ៍' និង 'ទិន្នន័យបណ្តុះបណ្តាល'។

ប្រលងមុនមេរៀន

🎥 ចុចរូបភាពខាងលើសម្រាប់វីដេអូខ្លីមួយអំពីការងារក្នុងមេរៀននេះ។

បទដំបូន្មាន

នៅកម្រិតខ្ពស់ សិល្បៈនៃការបង្កើតដំណើរការ​រៀនម៉ាស៊ីន (ML) មានជំហានជាច្រើន៖

1. សម្រេចចិត្តលើសំណួរ។ ដំណើរការរៀនម៉ាស៊ីនភាគច្រើនចាប់ផ្តើមដោយសំណួរដែលមិនអាចឆ្លើយបានដោយកម្មវិធីលក្ខខណ្ឌឬវិស្វកម្មបែបច្បាប់។ សំណួរទាំងនេះវិលជុំជារឿងការព្យាករណ៍បន្ទាប់ពីមានការប្រមូលទិន្នន័យមួយ។
2. ប្រមូល និងរៀបចំទិន្នន័យ។ ដើម្បីឆ្លើយសំណួររបស់អ្នក អ្នកត្រូវការ​ទិន្នន័យ។ គុណភាព និងមុខងាររបស់ទិន្នន័យ រឺបរិមាណវា នឹងកំណត់ថាអ្នកអាចឆ្លើយសំណួរដំបូងបានល្អប៉ុណ្ណា។ ការបង្ហាញទិន្នន័យជារូបភាពគឺជាជំហានសំខាន់មួយនៅដំណាក់កាលនេះ។ ជំហាននេះរួមមានការបំបែកទិន្នន័យជាក្រុមបណ្តុះបណ្តាល និងសាកល្បងសម្រាប់បង្កើតគំរូ។
3. ជ្រើសរើសវិធីសាស្រ្តបណ្តុះបណ្តាល។ អាស្រ័យលើសំណួររបស់អ្នក និងធម្មជាតិនៃទិន្នន័យ អ្នកត្រូវជ្រើសរើសរបៀបបណ្តុះបណ្តាលគំរូឲ្យសម្រួល និងបង្ហាញការព្យាករណ៍បានត្រឹមត្រូវ។ នេះជាផ្នែកដែលត្រូវការជំនាញពិសេស និងភាគច្រើនតម្រូវឲ្យមានការប្រកាសតេស្តជាច្រើន។
4. បណ្តុះបណ្តាលគំរូ។ ប្រើទិន្នន័យបណ្តុះបណ្តាល អ្នកនឹងប្រើអាល់ហ្គូនិចផ្សេងៗដើម្បីបណ្តុះបណ្តាលគំរូឲ្យស្គាល់លំនាំនៅក្នុងទិន្នន័យ។ គំរូអាចប្រើទំងន់ផ្ទៃក្នុងដែលអាចកែប្រែដើម្បីផ្តល់អាទិភាពចំពោះផ្នែកជាក់លាក់នៃទិន្នន័យសម្រាប់បង្កើតគំរូល្អជាងមុន។
5. វាយតម្លៃគំរូ។ អ្នកប្រើទិន្នន័យមិនដែលឃើញមុន (ទិន្នន័យសាកល្បង) ពីក្រុមទិន្នន័យដែលបានប្រមូលដើម្បីពិនិត្យមើលថាគំរូបង្ហាញការប្រតិបត្តិការយ៉ាងដូចម្តេច។
6. កំណត់ប៉ារ៉ាម៉ែត្រ។ អាស្រ័យលើការប្រតិបត្តិរបស់គំរូ អ្នកអាចធ្វើវិធីវិញដោយប្រើប៉ារ៉ាម៉ែត្រ ឬអថេរ ផ្លាស់ប្តូរយ៉ាងមួយដែលគ្រប់គ្រងការប្រតិបត្តិនៃអាល់ហ្គូរីធម៍សម្រាប់បណ្តុះបណ្តាលគំរូ។
7. ការព្យាករណ៍។ ប្រើinputថ្មីៗសម្រាប់សាកល្បងភាពត្រឹមត្រូវនៃគំរូរបស់អ្នក។

ត្រូវសួរសំណួរអ្វី

កុំព្យូទ័រមានជំនាញពិសេសក្នុងការរកឃើញលំនាំលាក់នៅក្នុងទិន្នន័យ។ ប្រយោជន៍នេះមានសារៈសំខាន់សម្រាប់អ្នកស្រាវជ្រាវដែលមានសំណួរអំពីដែនកំណត់មួយដែលមិនអាចឆ្លើយបានដោយបង្កើតវិស្វកម្មច្បាប់លក្ខខណ្ឌឧបត្ថម្ភ។

ឧទាហរណ៍ក្នុងដំណោះស្រាយអចលនវាយនភណ្ឌ អ្នកវិទ្យាសាស្ត្រទិន្នន័យអាចបង្កើតច្បាប់ដេរដោយដៃអំពីអត្រាស្លាប់របស់អ្នកជក់បារីដោយប្រៀបធៀបនឹងអ្នកមិនជក់បារី។

ពេលដែលអថេរច្រើនផ្សេងទៀតត្រូវបានដាក់ចូលក្នុងសមីការនោះ គំរូ ML អាចបង្ហាញបានប្រសើរជាងក្នុងការព្យាករណ៍អត្រាស្លាប់អនាគតដោយផ្អែកលើប្រវត្តិរឿងសុខភាពកន្លងមក។ ឧទាហរណ៍សប្បាយរីករាយជាងគឺការព្យាករណ៍អាកាសធាតុនៃខែមេសានៅទីតាំងណាមួយ ដោយផ្អែកលើទិន្នន័យរួមបញ្ចូលខ្សែរយៈទទឹង, បណ្តោយ, ប្រែប្រួលអាកាសធាតុ, ការរីកជិតសមុទ្រ, រលកភ្លៀងធំ, និងផ្សេងៗទៀត។

✅ ស្លាយនេះ slide deck អំពីគំរូអាកាសធាតុផ្តល់ទស្សនៈប្រវត្តិសាស្ត្រ​ក្នុងការប្រើប្រាស់ ML ក្នុងវិភាគអាកាសធាតុ។

ការងារមុនសង់គំរូ

មុនចាប់ផ្តើមសាងសង់គំរូរបស់អ្នក មានបំណងការងារច្រើនដែលអ្នកត្រូវបញ្ចប់។ ដើម្បីសាកល្បងសំណួររបស់អ្នក និងបង្កើតទ្រឹស្តីលើការព្យាករណ៍នៃគំរូ អ្នកត្រូវកំណត់ និងកំណត់រចនាសម្ព័ន្ធធាតុខ្លះៗ។

ទិន្នន័យ

ដើម្បីឆ្លើយសំណួររបស់អ្នកដោយមានភាពច្បាស់លាស់ អ្នកត្រូវមានទិន្នន័យចំនួនមួយដែលមានប្រភេទត្រឹមត្រូវ។ មានរឿងពីរអ្វីដែល អ្នកត្រូវធ្វើនៅពេលនេះ៖

• ប្រមូលទិន្នន័យ។ ពោលពាក្យបន្ទាប់ពីមេរៀនមុនអំពីក្របខ័ណ្ឌនៃភាពមិនមានភាពធានាគូប្រជែង ក្នុងការវិភាគទិន្នន័យ ចូរប្រមូលទិន្នន័យរបស់អ្នកយ៉ាងប្រុងប្រយ័ត្ន។ ចាំបាច់ត្រូវយល់ពីប្រភពទិន្នន័យ នឹងអំពើលើកលែងពាក់ព័ន្ធលើវា និងសរសេរមកដើមវា។
• រៀបចំទិន្នន័យ។ មានបញ្ហាច្រើនក្នុងដំណើរការរៀបចំទិន្នន័យ។ អ្នកអាចត្រូវប្រមូលផ្តុំទិន្នន័យ និងធ្វើការធម្មតាប្រសិនបើវាដាច់គ្នាពីប្រភពផ្សេងៗគ្នា។ អ្នកអាចបង្កើនគុណភាព និងបរិមាណទិន្នន័យដោយវិធីជាច្រើនដូចជាការបម្លែងអក្សរទៅជាលេខ (ដូចនៅក្នុង Clustering)។ អ្នកអាចបង្កើតទិន្នន័យថ្មីពីទិន្នន័យដើម (ដូចនៅក្នុង Classification)។ អ្នកអាចសម្អាត និងកែសម្រួលទិន្នន័យ (ដូចដែលយើងនឹងធ្វើមុនមេរៀន Web App)។ យ៉ាងបញ្ចប់ អ្នកអាចត្រូវការតម្រៀបចៃដន្យ និងបម្លែងវា ដោយអាស្រ័យលើបច្ចេកទេសបណ្តុះបណ្តាលរបស់អ្នក។

✅ បន្ទាប់ពីប្រមូល និងដំណើរការទិន្នន័យរួច សូមចំណាយពេលមួយសម្រាប់ពិនិត្យមើលថារូបរាងទិន្នន័យនឹងអាចបញ្ចេញចម្លើយសំណួររបស់អ្នកបានរឺទេ។ ប្រហែលជាទិន្នន័យមិនអាចដំណើរការបានល្អសម្រាប់កិច្ចការដែលអ្នកដាក់ជាក់លាក់ ដូចដែលយើងបានរកឃើញនៅក្នុងមេរៀន Clustering។

លក្ខណៈ និងគោលដៅ

លក្ខណៈ គឺជាគុណលក្ខណៈដែលអាចវាស់បាននៃទិន្នន័យរបស់អ្នក។ ក្នុងមុខងារទិន្នន័យជាច្រើន វាត្រូវបានបង្ហាញនៅជា​ភាសាស៊ុម​ថា 'ថ្ងៃ' 'ទំហំ' ឬ 'ពណ៌'។ អថេរលក្ខណៈរបស់អ្នក ធ្វើតំណាងជាទូទៅជា X ក្នុងកូដ ដែលជាការបញ្ចូលដែលនៅក្នុងការបណ្តុះបណ្តាលគំរូ។

គោលដៅគឺជារឿងដែលអ្នកកំពុងព្យាករ។ គោលដៅ ធ្វើតំណាងជា y នៅក្នុងកូដ ដែលជាចម្លើយសម្រាប់សំណួរដែលអ្នកកំពុងសួរពីទិន្នន័យ៖ ក្នុងខែធ្នូ តើ​ ពណ៌ ទំពាំងបាយជ្រលក់ណាដែលថោកជាងគេ? នៅសានហ្វ្រង់ស៊ីស្កូ តើតំបន់ណាដែលមាន តម្លៃអចលនទ្រព្យល្អបំផុត? ម្តងម្កាល គោលដៅក៏ត្រូវបានហៅថាជាលេខ​សម្គាល់។

ជ្រើសរើសអថេរលក្ខណៈរបស់អ្នក

🎓 ការជ្រើសរើសលក្ខណៈ និងការដកស្រង់លក្ខណៈ តើយើងដឹងយ៉ាងដូចម្តេចថាអថេរណាមួយដែលគួរជ្រើសចាប់ផ្តើមនៅពេលសាងសង់គំរូ? អ្នកប្រហែលជាត្រូវធ្វើដំណើរការជ្រើសរើសលក្ខណៈឬដកស្រង់លក្ខណៈដើម្បីជ្រើសយកអថេរដែលត្រឹមត្រូវសម្រាប់គំរូមានប្រសិទ្ធភាពបំផុត។ ទាំងពីរមានភាពខុសគ្នា៖ "ការដកស្រង់លក្ខណៈបង្កើតលក្ខណៈថ្មីពីមុខងារនៃលក្ខណៈដើម ខណៈដែលការជ្រើសរើសលក្ខណៈសង្ស័យតែផ្នែកមួយនៃលក្ខណៈទាំងមូល។" (ប្រភព)

សម្រង់ទិន្នន័យរបស់អ្នកជារូបភាព

មុខងារសំខាន់មួយ​របស់ឧបករណ៍អ្នកវិទ្យាសាស្ត្រទិន្នន័យគឺថាមពលក្នុងការបង្ហាញទិន្នន័យជារូបភាពដោយប្រើបណ្ណាល័យល្អៗមួយចំនួនដូចជា Seaborn ឬ MatPlotLib។ ការផ្តល់តំណាងទិន្នន័យជារូបភាព នឹងអាចឲ្យអ្នកបង្កើតរួមគ្នាបានលំណាំដែលលាក់មិនឲ្យឃើញដែលអ្នកអាចយកប្រយោជន៍បាន។ ការបង្ហាញនេះក៏អាចជួយអ្នករកឃើញការមានទោស ឬទិន្នន័យមិនសមស្មើនឹង (ដូចដែលយើងបានរកឃើញនៅក្នុង Classification)។

បំបែកឧទ្ឋរណ៍ទិន្នន័យរបស់អ្នក

មុនចាប់ផ្តើមបណ្តុះបណ្តាល អ្នកត្រូវបំបែកឧទ្ឋរណ៍ទិន្នន័យរបស់អ្នកជាពីរឬច្រើនផ្នែកដែលមានទំហំមិនស្មើគ្នានោះទេ ប៉ុន្តែត្រូវតំណាងឲ្យទិន្នន័យបានល្អ។

• បណ្តុះបណ្តាល។ ផ្នែកនេះនៃឧទ្ឋរណ៍ទិន្នន័យត្រូវបានឆមាសទៅគំរូរបស់អ្នកសម្រាប់បណ្តុះបណ្តាល។ សំណុំទិន្នន័យនេះមានភាគច្រើននៃទិន្នន័យដើម។
• សាកល្បង។ សំណុំទិន្នន័យសាកល្បងគឺជាក្រុមដាច់ដោយឡែកនៃទិន្នន័យ ដែលភាគច្រើនត្រូវបានប្រមូលពីទិន្នន័យដើម ដែលអ្នកប្រើសម្រាប់បញ្ជាក់ពីភាពប្រតិបត្តិការនៃគំរូដែលបានបង្កើត។
• ផ្ទៀងផ្ទាត់។ សំណុំផ្ទៀងផ្ទាត់គឺជាក្រុមតូចមួយនៃឧទ្ឋរណ៍ដោយឯករាជ្យ ដែលអ្នកប្រើសម្រាប់កែតម្រូវប៉ារ៉ាម៉ែត្រវិសាលភាព, ឬរចនាសម្ព័ន្ធ, ដើម្បីធ្វើឲ្យគំរូប្រសើរឡើង។ អាស្រ័យលើទំហំទិន្នន័យនិងសំណួររបស់អ្នក អ្នកអាចមិនចាំបាច់បង្កើតសំណុំទីបីនេះទេ (ដូចដែលយើងបានកំណត់នៅក្នុង Time Series Forecasting)។

សាងសង់គំរូ

ប្រើទិន្នន័យបណ្តុះបណ្តាលរបស់អ្នក គោលបំណងរបស់អ្នកគឺសាងសង់គំរូ ឬតំណាងស្ថិតិមួយនៃទិន្នន័យដោយប្រើអាល់ហ្គូរីធម៍ផ្សេងៗដើម្បី បណ្តុះបណ្តាល វា។ ការបណ្តុះបណ្តាលគំរូធ្វើឲ្យវាបានស្គាល់ទិន្នន័យ ហើយអនុញ្ញាតឲ្យវាធ្វើការសន្មតពីលំនាំដែលវាពិចារណា បានផ្ទៀងផ្ទាត់ និងទទួលយក ឬបដិសេធ។

សម្រេចលើវិធីបណ្តុះបណ្តាល

អាស្រ័យលើសំណួររបស់អ្នក និងធម្មជាតិនៃទិន្នន័យ អ្នកនឹងជ្រើសរើសវិធីសាស្ត្រមួយសម្រាប់បណ្តុះបណ្តាលវា។ ការដើរតាមឯកសាររបស់ Scikit-learn ដែលយើងប្រើនៅវគ្គនេះ អ្នកអាចស្វែងរកវិធីជាច្រើនសម្រាប់បណ្តុះបណ្តាលគំរូ។ អាស្រ័យលើបទពិសោធន៍របស់អ្នក អ្នកអាចត្រូវសាកល្បងវិធីផ្សេងៗគ្នាច្រើនដើម្បីសាងសង់គំរូល្អបំផុត។ អ្នកភាគច្រើននឹងត្រូវទៅតាមដំណើរការដែលអ្នកវិទ្យាសាស្ត្រទិន្នន័យវាយតម្លៃពីការប្រតិបត្តិរបស់គំរូ ដោយផ្តល់ទិន្ននយវអោយវាមើល ទិន្នន័យមិនដែលឃើញ មើលភាពត្រឹមត្រូវ ទំនោរបាន និងបញ្ហាផ្សេងៗដែលធ្វើឲ្យគុណភាពចុះខ្សោយ ហើយជ្រើសរើសវិធីបណ្តុះបណ្តាលសមរម្យបំផុតសម្រាប់កិច្ចការនេះ។

បណ្តុះបណ្តាលគំរូ

មានទិន្នន័យបណ្តុះបណ្តាលរបស់អ្នក អ្នករួចរាល់សម្រាប់ 'ផ្គាប់' វាដើម្បីបង្កើតគំរូ។ អ្នកនឹងសង្កេតឃើញថា នៅក្នុងបណ្ណាល័យ ML ច្រើន អ្នកនឹងឃើញកូដ 'model.fit' - នៅពេលនេះអ្នកបញ្ជូនអថេរលក្ខណៈរបស់អ្នកជាជួរប្រភេទតម្លៃ (ទូទៅជាទំព័រ 'X') និងអថេរកោលដៅ (ទូទៅជាទំព័រ 'y')។

វាយតម្លៃគំរូ

បន្ទាប់ពីដំណើរការបណ្តុះបណ្តាលបានបញ្ចប់ (វាអាចប្រើពេលជាច្រើនជំហាន ឬ 'epochs' សម្រាប់បណ្តុះបណ្តាលគំរូធំ) អ្នកអាចវាយតម្លៃគុណភាពគំរូដោយប្រើទិន្នន័យសាកល្បងសម្រាប់វាស់ប្រតិបត្តិការ។ ទិន្នន័យនេះគឺជាផ្នែករងចំណែកមួយនៃទិន្នន័យដើមដែលគំរូមិនធ្លាប់វិភាគជាមុន។ អ្នកអាចបោះពុម្ពតារាងវាស់វឌ្ឍនភាពអំពីគុណភាពគំរូរបស់អ្នក។

🎓 ការផ្គាប់គំរូ

នៅក្នុងបរិបទនៃការរៀនម៉ាស៊ីន ការផ្គាប់គំរូ មានន័យថាការត្រឹមត្រូវនៃមុខងារដែកខាងក្រោមរបស់គំរូ ខណៈវាកំពុងព្យាយាមវិភាគទិន្នន័យដែលវាមិនស្គាល់។

🎓 Underfitting និង overfitting ជាបញ្ហាទូទៅដែលធ្វើឲ្យគុណភាពគំរូធ្លាក់ចុះ ចប់សំរាប់ផ្នែកមួយដែលគំរូមិនបានផ្គាប់ល្អគ្រប់គ្រាន់ ឬផ្គាប់ល្អពេក។ វាបង្កើតឲ្យគំរូធ្វើការព្យាករណ៍ឲ្យណាស់ពេក ឬងាយលើពេកជាមួយទិន្នន័យបណ្តុះបណ្តាល។ គំរូ overfit ព្យាករណ៍ទិន្នន័យបណ្តុះបណ្តាលមានភាពត្រឹមត្រូវខ្ពស់ព្រោះវា​បានរៀនលំដាប់លំដោយនិងសំឡេងរំខាននៃទិន្នន័យយ៉ាងល្អ ឯគំរូ underfit មិនត្រឹមត្រូវ ព្រោះវាមិនអាចវិភាគទិន្នន័យបណ្តុះបណ្តាលឬទិន្នន័យដែលមិនបានឃើញបានត្រឹមត្រូវទេ។

រូបភាពដោយ Jen Looper

កំណត់ប៉ារ៉ាម៉ែត្រ

បន្ទាប់ពីបណ្តុះបណ្តាលដំបូងបានបញ្ចប់ សូមពិនិត្យគុណភាពគំរូ ហើយពិចារណាធ្វើឲ្យប្រសើរឡើងដោយកែប៉ារ៉ាម៉ែត្រ 'hyperparameters' របស់វា។ អានបន្ថែមអំពីដំណើរការនេះ នៅក្នុងឯកសារ។

ការព្យាករណ៍

នេះជាពេលវេលាដែលអ្នកអាចប្រើទិន្នន័យថ្មីមួយទាំងស្រុងសម្រាប់សាកល្បងភាពត្រឹមត្រូវនៃគំរូ។ នៅក្នុងបរិបទ ML 'បច្ចេកទេស' ដែលអ្នកកំពុងសង់អចលនវត្ថុបណ្ដាញដើម្បីប្រើគំរូក្នុងការផលិត វិធីនេះអាចមានការប្រមូលទិន្នន័យអ្នកប្រើ (ដូចជាចុចប៊ូតុង) ដើម្បីកំណត់អថេរមួយ និងផ្ញើវាទៅគំរូសម្រាប់ការព្យាយាម ឬវាយតម្លៃ។

ក្នុងមេរៀនទាំងនេះ អ្នកនឹងរៀនពីវិធីប្រើជំហានទាំងនេះសម្រាប់រៀបចំ សង់ តេស្ត វាយតម្លៃ និងព្យាករ — រួមជាមួយកម្មវិធីទាំងអស់របស់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងមិនត្រឹមតែប៉ុណ្ណោះ ខណៈដែលអ្នកបន្តផ្លូវដំណើររបស់អ្នកដើម្បីក្លាយជាវិស្វកររៀនម៉ាស៊ីន 'full stack'។

---

🚀បញ្ហា

គូរអត្រាដំណើរការលម្អិតបង្ហាញជំហានរបស់អ្នកអនុវត្ត ML។ តើអ្នកឃើញខ្លួននៅឯណាឥឡូវនេះក្នុងដំណើរការ? តើអ្នកព្យាករថានឹងមានកម្រិតលំបាកនៅឯណា? តើអ្វីដែលហាក់មើលទៅសាមញ្ញសម្រាប់អ្នក?

ប្រលងបន្ទាប់ពីមេរៀន

អនុវត្តន៍ & សិក្សាផ្ទាល់ខ្លួន

ស្វែងរកអនឡាញសម្រាប់សត្ថបទសំខាន់ៗពីអ្នកវិទ្យាសាស្ត្រទិន្នន័យដែលពិភាក្សាជាមួយការងារប្រចាំថ្ងៃរបស់ពួកគេ។ នេះគឺជា មួយ។

ភារកិច្ច

សម្ភាសអ្នកវិទ្យាសាស្ត្រទិន្នន័យ

---

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI Co-op Translator។ បើទោះបីយើងខិតខំក្នុងការធ្វើឱ្យមានភាពត្រឹមត្រូវក៏ដោយ សូមយល់ឱ្យបានថា ការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវខ្លះ។ ឯកសារដើមជាភាសាមូលដ្ឋានគួរត្រូវបានគិតថាជា ប្រភពដែលមានសក្ដានុពល។ សម្រាប់ព័ត៌មានដែលមានសារៈសំខាន់ ការបកប្រែដោយមនុស្សជំនាញត្រូវបានណែនាំ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសប្លែកណាមួយដែលកើតមានពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។