ยินดีต้อนรับสู่เส้นทางการเรียนรู้ Predictive Analytics ของคุณ!
การเริ่มต้นเตรียมสอบ Exam PA อาจให้ความรู้สึกเหมือนกำลังเรียนภาษาใหม่ แต่ไม่ต้องกังวลไป เพราะแนวคิดส่วนใหญ่เป็นสิ่งที่คุณเข้าใจได้โดยสัญชาตญาณอยู่แล้ว ในบทนี้ เราจะมาดู "วัตถุดิบ" พื้นฐานของโมเดลพยากรณ์ทุกชนิด นั่นก็คือ ตัวแปร (Variables) การเข้าใจประเภทของข้อมูลที่คุณมีถือเป็นก้าวแรกที่สำคัญที่สุดในการสำรวจข้อมูล (Data Exploration) เพราะมันจะเป็นตัวกำหนดว่าคุณควรใช้กราฟแบบไหนและควรสร้างโมเดลอย่างไร เรามาเริ่มกันเลย!
1. ภาพรวม: บทบาทของตัวแปร
ก่อนที่เราจะแยกประเภทข้อมูลตาม "รสชาติ" เราต้องเข้าใจก่อนว่าข้อมูลแต่ละชิ้นมีบทบาทอย่างไรในโมเดลของเรา ในการสร้างแบบจำลองเพื่อพยากรณ์ เรามักจะมีตัวละครหลักอยู่สองตัว:
ตัวแปรเป้าหมาย (Target Variable - "เป้าหมาย")
ตัวแปรเป้าหมาย (เรียกอีกอย่างว่า Response หรือ Dependent Variable) คือสิ่งที่คุณกำลังพยายามพยากรณ์หรืออธิบาย ในโปรเจกต์ของ Exam PA โจทย์ทางธุรกิจจะชี้บอกคุณเสมอว่าเป้าหมายคืออะไร
เปรียบเทียบ: ถ้าคุณพยายามพยากรณ์ว่าเค้กใช้เวลาอบนานเท่าไหร่ "เวลาอบ (Bake Time)" ก็คือตัวแปรเป้าหมายของคุณ
ตัวแปรต้น/ตัวแปรพยากรณ์ (Predictors - "วัตถุดิบ")
ตัวแปรพยากรณ์ (เรียกอีกอย่างว่า Features, Independent Variables หรือ Explanatory Variables) คือข้อมูลที่คุณนำมาใช้ในการพยากรณ์
เปรียบเทียบ: ในการพยากรณ์เวลาอบเค้ก คุณอาจจะดูอุณหภูมิของเตาอบ, น้ำหนักของแป้ง, และความสูงของสถานที่ที่ตั้งเตาอบ สิ่งเหล่านี้คือตัวแปรพยากรณ์ของคุณ
ทบทวนสูตรสั้นๆ:
ในตำราเรียนส่วนใหญ่ คุณจะเห็นความสัมพันธ์เขียนไว้ว่า:
\( Y = f(X) + \epsilon \)
โดยที่:
\( Y \) = ตัวแปรเป้าหมาย (Target Variable)
\( X \) = ตัวแปรพยากรณ์ (Predictor(s))
\( f \) = ฟังก์ชันทางคณิตศาสตร์หรือโมเดลที่เรากำลังพยายามค้นหา
\( \epsilon \) (เอปไซลอน) = "สัญญาณรบกวน (Noise)" หรือความคลาดเคลื่อนแบบสุ่มที่เราไม่สามารถอธิบายได้
สรุปใจความสำคัญ: การสร้างโมเดลพยากรณ์ก็คือการใช้ ตัวแปรพยากรณ์ (X) เพื่อประเมินค่าของ ตัวแปรเป้าหมาย (Y) นั่นเอง
2. ตัวแปรเชิงคุณภาพ (Qualitative/Categorical Variables)
ตัวแปรเชิงคุณภาพ เป็นตัวแทนของคำบรรยายหรือ "กลุ่มก้อน" มากกว่าจะเป็นการวัดค่า ตัวแปรเหล่านี้อธิบายถึงคุณลักษณะของสิ่งที่สังเกต โดยเราแบ่งออกเป็นสองประเภทหลัก:
ตัวแปรกลุ่ม (Nominal Variables - ระบุชื่อเท่านั้น)
Nominal variables คือหมวดหมู่ที่ไม่มีลำดับความสำคัญในเชิงตรรกะ ค่าหนึ่งไม่สามารถบอกได้ว่า "สูงกว่า" หรือ "ดีกว่า" อีกค่าหนึ่ง
ตัวอย่าง: เพศ, สีผม, รัฐที่อยู่อาศัย, หรือประเภทกรมธรรม์ประกันภัย (ประกันรถยนต์ vs. ประกันบ้าน)
เทคนิคจำ: Nominal = Name (ชื่อ)
ตัวแปรอันดับ (Ordinal Variables - ลำดับมีความหมาย)
Ordinal variables คือหมวดหมู่ที่ลำดับมีความหมายอย่างชัดเจน แต่ระยะห่างทางคณิตศาสตร์ระหว่างค่าเหล่านั้นไม่คงที่
ตัวอย่าง: ระดับการศึกษา (มัธยมปลาย, ปริญญาตรี, ปริญญาโท, ปริญญาเอก) หรือความพึงพอใจของลูกค้า (ต่ำ, กลาง, สูง)
เปรียบเทียบ: ลองนึกถึงการแข่งขันวิ่ง การเข้าเส้นชัยเป็นที่ 1, 2 และ 3 คือ Ordinal คุณรู้ว่าที่ 1 เร็วกว่าที่ 2 แต่คุณไม่สามารถรู้ได้ว่าเร็วกว่ากัน "เท่าไหร่" เพียงแค่ดูจากอันดับ
กล่องทบทวนด่วน:
- Nominal: หมวดหมู่ที่ไม่มีลำดับ (แดง, ฟ้า, เขียว)
- Ordinal: หมวดหมู่ที่มีลำดับชัดเจน (เล็ก, กลาง, ใหญ่)
3. ตัวแปรเชิงปริมาณ (Quantitative/Numeric Variables)
ตัวแปรเชิงปริมาณ คือตัวเลขที่แสดงถึงปริมาณที่วัดค่าได้ คุณสามารถนำมาคำนวณทางคณิตศาสตร์ได้ (เช่น การหาค่าเฉลี่ย) เราแบ่งออกเป็นสองกลุ่ม:
ตัวแปรไม่ต่อเนื่อง (Discrete Variables)
Discrete variables คือสิ่งที่คุณ นับ (Count) ได้ โดยปกติจะมีค่าเป็นจำนวนเต็มและมี "ช่องว่าง" ระหว่างแต่ละค่า
ตัวอย่าง: จำนวนการเคลมประกันของคนหนึ่งคน, จำนวนรถยนต์ในบ้าน, หรือจำนวนเด็กในครอบครัว
ลองเช็ก: คุณมีลูก 2.47 คนได้ไหม? ไม่ได้ นั่นแปลว่ามันคือ Discrete
ตัวแปรต่อเนื่อง (Continuous Variables)
Continuous variables คือสิ่งที่คุณ วัด (Measure) ได้ มันสามารถมีค่าเป็นอะไรก็ได้ในช่วงที่กำหนด รวมถึงทศนิยมด้วย
ตัวอย่าง: จำนวนเงินเคลมที่แน่นอน, อายุของคน, หรือรายได้ต่อปี
ลองเช็ก: คุณสามารถมีการเคลมประกันมูลค่า 1,205.52 ดอลลาร์ได้ไหม? ได้ นั่นแปลว่ามันคือ Continuous
รู้หรือไม่? บางครั้งเส้นแบ่งระหว่าง Discrete และ Continuous ใน Exam PA อาจจะดูไม่ชัดเจนนัก เช่น "อายุ" ในทางเทคนิคคือต่อเนื่อง (คุณอาจมีอายุ 25.432 ปี) แต่บ่อยครั้งเราบันทึกเป็นจำนวนเต็มปี (25) อย่าเพิ่งตื่นตระหนกหากเจอแบบนี้ ให้ดูว่าข้อมูลในชุดข้อมูลของคุณถูกจัดเก็บไว้อย่างไร
4. คำศัพท์พิเศษที่คุณต้องรู้
ขณะที่คุณอ่านโมดูลของ Exam PA คุณจะเห็นคำเหล่านี้บ่อยครั้ง มาทำความเข้าใจกันเลย:
ตัวแปรสองค่า (Binary หรือ Dichotomous Variables): ตัวแปรประเภท Categorical ชนิดพิเศษที่มีเพียงสองทางเลือก เช่น 0/1, ใช่/ไม่ใช่, หรือ ผ่าน/ไม่ผ่าน
ตัวแปรหุ่น (Dummy Variables / Indicators): คือกระบวนการเปลี่ยนตัวแปร Categorical ให้เป็นตัวเลขเพื่อให้คอมพิวเตอร์เข้าใจได้ เช่น ถ้าคุณมีตัวแปร "เพศ" คุณอาจสร้างตัวแปรใหม่ชื่อ "Is_Female" โดยให้ 1 แทน ใช่ และ 0 แทน ไม่ใช่
ระดับ (Levels): หมายถึงหมวดหมู่ที่แตกต่างกันภายในตัวแปรเชิงคุณภาพ หากตัวแปร "สี" มี สีแดง, สีฟ้า, และสีเขียว เราจะกล่าวว่าตัวแปรนั้นมี 3 ระดับ (3 levels)
หน่วยข้อมูล (Observations): หมายถึงแถวในข้อมูลของคุณ แต่ละแถวแทน "สิ่งหนึ่ง" ที่ถูกวัดค่า (เช่น ผู้ถือกรมธรรม์หนึ่งคน หรือหนึ่งรายการการเคลม)
5. ข้อควรระวังที่พบบ่อย
ข้อผิดพลาดที่ 1: การปฏิบัติกับตัวแปร Ordinal เหมือน Nominal
หากคุณปฏิบัติกับ "ระดับคะแนนเครดิต" (แย่, ปานกลาง, ดี) เหมือนเป็น Nominal โมเดลของคุณจะสูญเสียข้อมูลสำคัญไปว่า "ดี" นั้นดีกว่า "แย่"
ข้อผิดพลาดที่ 2: สับสนระหว่างป้ายกำกับ (Label) กับตัวเลข
บางครั้งข้อมูลใช้ตัวเลขเป็นป้ายกำกับ เช่น "ภูมิภาค 1, ภูมิภาค 2, ภูมิภาค 3" แม้จะเป็นตัวเลข แต่มันคือ Nominal การนำ ภูมิภาค 1 + ภูมิภาค 2 ไม่ได้เท่ากับ "ภูมิภาค 3"
ข้อผิดพลาดที่ 3: ลืมประเภทของตัวแปรเป้าหมาย
นี่คือข้อที่สำคัญที่สุด! หาก ตัวแปรเป้าหมาย ของคุณเป็น Continuous (เช่น ค่าเสียหายจากการเคลม) คุณกำลังทำปัญหาประเภท Regression หาก ตัวแปรเป้าหมาย เป็น Categorical (เช่น "ลูกค้าจะต่ออายุกรมธรรม์หรือไม่?") คุณกำลังทำปัญหาประเภท Classification
สรุปท้ายบท
1. ตัวแปรพยากรณ์ (X) ใช้เพื่อทำนาย ตัวแปรเป้าหมาย (Y)
2. ข้อมูล เชิงคุณภาพ (Qualitative) เป็นข้อมูลกลุ่ม โดยเป็นแบบ Nominal (ไม่มีลำดับ) หรือ Ordinal (มีลำดับ)
3. ข้อมูล เชิงปริมาณ (Quantitative) เป็นข้อมูลตัวเลข โดยเป็นแบบ Discrete (นับได้) หรือ Continuous (วัดค่าได้)
4. ประเภทของตัวแปรเป้าหมายจะเป็นตัวกำหนดแนวทางการสร้างโมเดล: Regression สำหรับข้อมูลตัวเลข, Classification สำหรับข้อมูลกลุ่ม
ไม่ต้องกังวลถ้าหากรู้สึกว่ามีคำศัพท์เยอะเกินไป! เมื่อคุณเริ่มดูข้อมูลจริงในบทถัดๆ ไป นิยามเหล่านี้จะกลายเป็นเรื่องที่คุ้นเคยจนคุณทำได้อย่างเป็นธรรมชาติ สู้ๆ นะ คุณทำได้!