ยินดีต้อนรับสู่ Machine Learning: การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning)!

สวัสดีครับ! ยินดีต้อนรับเข้าสู่ส่วนที่ทันสมัยและน่าตื่นเต้นที่สุดส่วนหนึ่งของหลักสูตร CS2 ครับ ในการเรียนที่ผ่านมา คุณอาจจะเคยผ่านโมเดลที่เราพยายามทำนายผลลัพธ์ที่เฉพาะเจาะจงมาแล้ว (เช่น ผู้ถือกรมธรรม์จะเคลมประกันหรือไม่) นั่นคือสิ่งที่เรียกว่า "Supervised Learning" หรือการเรียนรู้แบบมีผู้สอนครับ

ในบทนี้ เราจะมาดูเรื่อง Unsupervised Learning กันครับ ให้ลองนึกภาพว่านี่คือ "งานสืบสวน" เรามีกองข้อมูลอยู่ตรงหน้า แต่ไม่มี "ป้ายกำกับ" (Labels) หรือ "คำตอบเป้าหมาย" (Target answers) ใดๆ เป้าหมายของเราคือการค้นหารูปแบบที่ซ่อนอยู่ (Hidden patterns) จัดกลุ่มสิ่งที่คล้ายคลึงกัน และทำให้ข้อมูลที่ซับซ้อนเข้าใจง่ายขึ้น ซึ่งเป็นเครื่องมือที่สำคัญมากสำหรับนักคณิตศาสตร์ประกันภัยในยุคที่ต้องจัดการกับ "Big Data" ครับ

ถ้ารู้สึกว่ามันดูเป็นนามธรรมในช่วงแรก ไม่ต้องกังวลนะ! เราจะค่อยๆ ย่อยให้เป็นขั้นตอนง่ายๆ พร้อมตัวอย่างเปรียบเทียบให้เห็นภาพชัดเจนแน่นอนครับ!

1. ทำความเข้าใจ Unsupervised Learning

ในการเรียนรู้แบบ Unsupervised เราจะป้อนข้อมูลนำเข้า \( (X) \) ให้กับคอมพิวเตอร์ แต่ไม่มีป้ายกำกับผลลัพธ์ \( (Y) \) มาให้ เครื่องจะทำหน้าที่สำรวจข้อมูลเพื่อค้นหา โครงสร้างแฝง (Latent substructures) หรือรูปแบบที่ซ่อนอยู่นั่นเองครับ

ทำไมเราถึงต้องใช้มัน?
1. การลดมิติข้อมูล (Dimension Reduction): เพื่อทำให้ข้อมูลที่มีตัวแปรเป็นร้อยๆ เหลือเพียง 3 หรือ 4 ตัวแปรที่สำคัญที่สุด
2. การจัดกลุ่ม (Clustering): เพื่อจัดกลุ่มลูกค้าหรือความเสี่ยงที่มีพฤติกรรมคล้ายคลึงกันไว้ด้วยกัน
3. การตรวจจับความผิดปกติ (Anomaly Detection): เพื่อค้นหาจุดข้อมูลที่ "ไม่เข้าพวก" ซึ่งอาจเป็นสัญญาณของการทุจริตหรือความเสี่ยงที่ผิดปกติ

2. การวิเคราะห์องค์ประกอบหลัก (Principal Component Analysis - PCA)

ลองจินตนาการว่าคุณกำลังพยายามอธิบายลักษณะของใครสักคน คุณอาจจะลิสต์รายการความสูง น้ำหนัก ความยาวแขน ความยาวขา และขนาดรองเท้าออกมา ซึ่งนั่นเป็นตัวแปรจำนวนมากเลยใช่ไหมครับ! แต่ที่จริงแล้ว ตัวแปรเหล่านี้ส่วนใหญ่ก็มีความสัมพันธ์กับ "ขนาดตัว" อยู่แล้ว PCA จึงเข้ามาช่วยเราในการรวมตัวแปรที่เกี่ยวข้องกันเหล่านี้ให้กลายเป็น "องค์ประกอบหลัก" (Principal Component) เดียวที่เรียกว่า ขนาดตัวโดยรวม (Overall Size) ครับ

PCA คืออะไร?

PCA คือเทคนิคที่ใช้สำหรับ การลดมิติข้อมูล (Dimensionality Reduction) โดยจะเปลี่ยนชุดตัวแปรจำนวนมากที่มีความสัมพันธ์กัน ให้กลายเป็นชุดตัวแปรใหม่จำนวนน้อยลงที่ไม่มีความสัมพันธ์กันเลย ซึ่งเรียกว่า องค์ประกอบหลัก (Principal Components - PCs) ครับ

ขั้นตอนการทำงาน:

1. ปรับมาตรฐานข้อมูล (Standardize): เนื่องจาก PCA ไวต่อสเกลของการวัด (เช่น หน่วยเมตรเทียบกับเซนติเมตร) เราจึงมักจะปรับสเกลข้อมูลก่อนเพื่อให้ทุกตัวแปรมีค่าเฉลี่ยเป็น 0 และมีความแปรปรวนเป็น 1
2. หา PC ตัวแรก (\( PC_1 \)): คือการสร้างผลรวมเชิงเส้น (Linear combination) ของตัวแปรตั้งต้นที่สามารถอธิบาย ความแปรปรวนได้มากที่สุด ในข้อมูลชุดนั้น
3. หา PC ตัวที่สอง (\( PC_2 \)): คือการสร้างผลรวมเชิงเส้นอีกชุดที่ ตั้งฉาก (Orthogonal) กับตัวแรก และสามารถอธิบายความแปรปรวนในส่วนที่เหลือได้มากที่สุดเป็นลำดับถัดไป
4. ทำซ้ำ (Repeat): เราจะทำต่อไปเรื่อยๆ จนกระทั่งได้จำนวน PC เท่ากับจำนวนตัวแปรตั้งต้นครับ

คณิตศาสตร์เบื้องหลัง

องค์ประกอบหลักหนึ่งตัวสามารถเขียนได้ในรูป:
\( PC_1 = \phi_{1,1}X_1 + \phi_{2,1}X_2 + ... + \phi_{p,1}X_p \)
โดยที่:
- \( X \) คือตัวแปรตั้งต้นของเรา
- \( \phi \) (phi) คือ ค่าน้ำหนัก (Loadings) ซึ่งบอกเราว่าตัวแปรตั้งต้นแต่ละตัวมีอิทธิพลมากน้อยเพียงใดในองค์ประกอบนั้นๆ

สรุปประเด็นสำคัญของ PCA:
  • PC ตัวแรกจะอธิบายความแปรปรวนได้ มากที่สุดเสมอ
  • PC แต่ละตัวจะ ไม่มีความสัมพันธ์กัน (Uncorrelated)
  • เรามักจะเลือกเก็บเฉพาะ PC ชุดแรกๆ ที่อธิบายความแปรปรวนรวมได้ประมาณ 80% ถึง 90% เท่านั้นครับ

ข้อผิดพลาดที่พบบ่อย: คือการลืมปรับสเกลข้อมูล! หากตัวแปรหนึ่งมีหน่วยเป็นล้าน แต่อีกตัวเป็นทศนิยม PCA จะเข้าใจผิดว่าตัวแปรหน่วย "ล้าน" เป็นตัวแปรเดียวที่สำคัญที่สุดครับ

หัวใจสำคัญ: PCA ช่วยทำให้ข้อมูลเรียบง่ายขึ้นโดยการ "บีบ" ตัวแปรจำนวนมากให้เหลือเพียง "ซูเปอร์ตัวแปร" จำนวนน้อย ในขณะที่ยังคงรักษาข้อมูล (ความแปรปรวน) ไว้ได้มากที่สุดเท่าที่จะทำได้

3. การจัดกลุ่มแบบ K-means (K-means Clustering)

ในขณะที่ PCA เน้นเรื่องของ ตัวแปร (Variables) แต่การจัดกลุ่ม (Clustering) จะเน้นไปที่ ข้อมูลแต่ละรายการ (Observations) หรือแถวในข้อมูลของคุณครับ K-means clustering มีเป้าหมายเพื่อแบ่งข้อมูลออกเป็น \( K \) กลุ่มที่แยกออกจากกันอย่างชัดเจนและไม่ซ้อนทับกัน

ตัวอย่างเปรียบเทียบ

ลองนึกภาพว่าคุณมีถุงที่ใส่เหรียญหลายชนิดปนกันอยู่ แล้วคุณต้องการแยกมันออกเป็น 3 กอง (นั่นคือ \( K=3 \)) เริ่มต้นคุณสุ่มเลือกจุด 3 จุดบนโต๊ะ แล้วนำเหรียญแต่ละเหรียญไปวางไว้ในกองที่อยู่ใกล้จุดนั้นมากที่สุด จากนั้นให้คุณขยับจุดศูนย์กลางของแต่ละกองไปไว้ที่ตรงกลางของกลุ่มเหรียญที่คุณเพิ่งย้ายไป แล้วทำซ้ำแบบนี้ไปเรื่อยๆ จนกว่าตำแหน่งกองเหรียญจะหยุดนิ่งครับ!

ขั้นตอนวิธี (Algorithm):

1. เลือก K: ตัดสินใจว่าคุณต้องการกี่กลุ่ม (เช่น \( K=3 \))
2. ตั้งค่าเริ่มต้น (Initialize): สุ่มกำหนด "จุดศูนย์กลาง" (Centroid) สำหรับแต่ละกลุ่ม \( K \)
3. จัดกลุ่ม (Assign): พิจารณาข้อมูลแต่ละจุด แล้วจัดเข้ากลุ่มที่อยู่ใกล้จุดศูนย์กลางนั้นมากที่สุด (มักใช้ ระยะทางแบบยุคลิด - Euclidean distance)
4. อัปเดต (Update): คำนวณค่าเฉลี่ยใหม่ (จุดศูนย์กลางใหม่) ของทุกจุดในแต่ละกลุ่ม ซึ่งจะกลายเป็นจุด Centroid อันใหม่
5. ทำซ้ำ (Iterate): ทำขั้นตอนที่ 3 และ 4 ซ้ำจนกว่ากลุ่มของข้อมูลจะไม่เปลี่ยนแปลงอีก

วิธีการเลือก "K"?

เรามักจะใช้ Elbow Method (วิธีข้อศอก) โดยเราจะรันอัลกอริทึมด้วยค่า \( K \) ต่างๆ (1, 2, 3, 4...) แล้วพล็อตค่า "ความแปรปรวนภายในกลุ่มรวม" (Total within-cluster variation) ยิ่ง \( K \) มากขึ้น ค่าความแปรปรวนนี้จะลดลง เราจะมองหาจุดที่เป็น "ข้อศอก" หรือจุดหักมุมบนกราฟ ซึ่งเป็นจุดที่การเพิ่มจำนวนกลุ่มเข้าไปอีกไม่ได้ช่วยให้ความแม่นยำเพิ่มขึ้นอย่างมีนัยสำคัญแล้ว

รู้หรือไม่? K-means เป็นอัลกอริทึมแบบ Iterative (ทำซ้ำ) และเนื่องจากมันเริ่มต้นจากการสุ่มจุดศูนย์กลาง ผลลัพธ์อาจแตกต่างกันเล็กน้อยหากรันสองรอบ ดังนั้นนักคณิตศาสตร์ประกันภัยมักจะรันหลายๆ ครั้งแล้วเลือกผลลัพธ์ที่ดีที่สุดครับ!

หัวใจสำคัญ: K-means จะค้นหา "กระจุก" ของข้อมูลที่คล้ายกันโดยการพยายามลดระยะห่างระหว่างจุดข้อมูลกับจุดศูนย์กลางของกลุ่มนั้นให้เหลือน้อยที่สุด

4. โครงสร้างแฝงและการตรวจจับความผิดปกติ

เมื่อเรามีเครื่องมือแล้ว เราจะนำไปใช้ค้นหา "โครงสร้างแฝง" หรือ "ความผิดปกติ" ได้อย่างไร?

การระบุโครงสร้างแฝง (Latent Substructure)

"โครงสร้างแฝง" ก็คือคำเรียกสวยหรูของ "กลุ่มที่ซ่อนอยู่" ครับ
ตัวอย่าง: คุณมีข้อมูลผู้ถือกรมธรรม์ประกันภัยรถยนต์ เมื่อคุณรัน K-means แล้วพบ 2 กลุ่มที่แยกออกจากกันชัดเจน กลุ่มหนึ่งคือกลุ่มที่ขับรถระยะทางไกลในเมือง อีกกลุ่มคือกลุ่มที่ขับระยะทางใกล้ในพื้นที่ชนบท "โครงสร้างแฝง" ที่ว่านี้ก็คือสภาพแวดล้อมในการขับขี่ ซึ่งเดิมไม่ได้ถูกระบุไว้ในข้อมูลของคุณอย่างชัดเจนครับ!

การตรวจจับความผิดปกติ (Anomaly Detection)

ความผิดปกติหรือค่าที่ผิดปกติ (Outliers) สามารถตรวจจับได้ด้วย 2 เครื่องมือของเรา:
1. ผ่านการจัดกลุ่ม: หากจุดข้อมูลใดจุดหนึ่งอยู่ห่างไกลจากศูนย์กลางของ ทุกกลุ่ม มากๆ จุดนั้นคือความผิดปกติ
2. ผ่าน PCA: หากเราใช้ PCA ลดขนาดข้อมูลเหลือ 2 มิติ แล้วพบว่ามีจุดหนึ่งไปอยู่ไกลจาก "กลุ่มเมฆ" ของข้อมูลอื่นๆ จุดนั้นก็ถือเป็นความผิดปกติเช่นกัน

ตัวอย่างในงานประกันภัย: ในการตรวจจับการฉ้อโกง หากการเคลมประกันตกลงไปอยู่ในกลุ่มเล็กๆ ที่แยกตัวโดดเดี่ยว หรือมีค่า PCA ที่ผิดปกติมาก การเคลมนั้นอาจถูกตั้งธงไว้เพื่อรอการตรวจสอบโดยเจ้าหน้าที่ครับ

5. สรุปและเปรียบเทียบ

เรามาปิดท้ายด้วยตารางสรุปเปรียบเทียบเพื่อความเข้าใจที่ชัดเจนกันครับ:

หัวข้อ การวิเคราะห์องค์ประกอบหลัก (PCA) การจัดกลุ่ม K-means
เป้าหมายหลัก ลดจำนวน ตัวแปร (Dimension reduction) จัดกลุ่ม รายการข้อมูล (Observations)
แนวคิดสำคัญ เพิ่มความแปรปรวนให้สูงสุด ลดระยะห่างภายในกลุ่มให้ต่ำสุด
ผลลัพธ์ ตัวแปรใหม่ (PCs) ที่เป็นผลรวมเชิงเส้น ป้ายกำกับ/กลุ่ม สำหรับข้อมูลแต่ละจุด
เทคนิคช่วยจำ PCA = Pruning (ตัดแต่ง) ตัวแปร K-means = Kumping (รวมกลุ่ม) ข้อมูล
เคล็ดลับสุดท้ายสำหรับสอบ:
  • PCA: จำไว้ว่า PC แต่ละตัวจะต้อง ไม่มีความสัมพันธ์กัน (Uncorrelated) เป็นคำถามสอบที่เจอบ่อยมาก!
  • K-means: จำไว้ว่ามันเป็นวิธี แบบไม่มีผู้สอน (Unsupervised) คุณไม่ได้บอกโมเดลว่ากลุ่มคืออะไร แต่มันจะค้นหาด้วยตัวมันเอง
  • การปรับสเกล: ต้องย้ำเสมอว่าข้อมูลควรได้รับการปรับมาตรฐาน (Standardized/Scaled) ก่อนทำเทคนิคเหล่านี้ทุกครั้ง

ยอดเยี่ยมมาก! คุณเพิ่งศึกษาเนื้อหาสำคัญของ Unsupervised Learning สำหรับ CS2 จนครบถ้วนแล้ว หมั่นฝึกทำโจทย์เก่าๆ เพื่อดูว่าแนวคิดเหล่านี้ถูกนำไปทดสอบในเชิงตัวเลขอย่างไรนะครับ!