ปัจจัยแบบจำลองการพยากรณ์การทำร้ายตนเองของผู้ป่วยจิตเวชด้วยเทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างและเปรียบเทียบประสิทธิภาพแบบจำลองการทำร้ายตนเองของผู้ป่วยจิตเวช ข้อมูลผู้ป่วยได้ถูกรวบรวมจากฐานข้อมูลโรงพยาบาลจิตเวชขอนแก่นราชนครินทร์ จังหวัดขอนแก่น จากเดือนมกราคม พ.ศ. 2562 ถึงเดือนธันวาคม พ.ศ. 2564 จำนวน 4,179 ระเบียน โดยผู้วิจัยได้นำการคัดเลือกปัจจัยที่เกี่ยวข้องกับการพยากรณ์สำหรับการสร้างแบบจำลองด้วยวิธี Gain Ratio และ Relief จากนั้นได้นำเอาเทคนิคนาอีฟเบย์ เทคนิคต้นไม้ตัดสินใจ C4.5 เทคนิคสนับสนุนด้วยเครื่อง เทคนิคการเรียนรู้เชิงลึกและเทคนิคกฎบางส่วนมาทำการสร้างแบบจำลองเพื่อการพยากรณ์การทำร้ายตนเองของผู้ป่วยจิตเวช ในการทดลองนี้ 10-Fold Cross Validation ได้ถูกนำมาใช้ในการแบ่งกลุ่มข้อมูลเป็นชุดข้อมูลเรียนรู้และชุดข้อมูลทดสอบ ส่วนค่าความถูกต้อง ค่าความไว และค่าความจำเพาะ ได้ถูกนำไปใช้ในการเปรียบเทียบประสิทธิภาพแบบจำลอง ผลการทดลองแสดงว่า การคัดเลือกปัจจัยด้วยวิธี Gain Ratio เมื่อนำมาสร้างแบบจำลองด้วยเทคนิคต้นไม้ตัดสินใจ C4.5 หรือเทคนิคสนับสนุนด้วยเครื่องมีค่าความถูกต้องมากที่สุดเหมือนกันที่ร้อยละ 84.66
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Boonma, R. and Chirawichitchai, N. (2019). Classification of Diabetes Patient by Using Data Mining Techniques and Correlation Based Feature Selection. PKRU SciTech Journal, 3(2), 11-19. https://ph01.tci-thaijo.org/index.php/pkruscitech/article/view/201722/164122
Boonprasom, C. and Sarach, C. (2019). The Exploratory Factor Analysis of Undergraduate Students’ Dropout at Ubon Ratchathani Rajabhat University. Technical Education Journal: King Mongkut’s University of Technology North Bangkok, 10(1), 86-97. https://ojs.kmutnb.ac.th/index.php/jote/article/view/2909/2239
Chinprasatsak, K., Insuk, P., Foosarmpok, N. and Sonpanow, N. (2023). The Essence of DEEP LEARNING: AI, illustrated. Made By AI Company Limited.
Digital Government Development Agency. (2022). AI Artificial Intelligence Technology for Government Administration and Services. Sor. Phichit Printing Company Limited. (in Thai)
Eibe, F. and Ian, W. (1998). Generating Accurate Rule Sets Without Global Optimization. Research Gate.
Harnmongkolpipat, P. (2017). Principles of Statistics 1 (7thed). Bangkok: Kasetsart University Press.
Hongboonmee, N. and Thammakorn, T. (2019). Screening System for Depression on Smartphone using Data Mining Techniques. Srinakharinwirot University Journal of Sciences and Technology, 11(21), 100-113. https://ejournals.swu.ac.th/index.php/SWUJournal/article/view/11425/9654
Kenji, K. and Larry, A.R. (1992). The Feature Selection Problum: Traditional Methods and a New Algorithm. https://cdn.aaai.org/AAAI/1992/AAAI92-020.pdf
Khonkaen Rajanagarindra Psychiatric Hopital, National Center for Suicide. (2022). E-Reports. https://suicide.dmh.go.th/report/
Molee, A., Saokaew, N. and Hemmanee, B. (2019). A Study of Disease Risk of Elderly with Data Mining Technique. Narkbhutparitat Journal Nakhon Si Thammarat Rajabhat University, 11(3), 29-34. (in Thai)
Rungrattanaubol, J. (2022). Data Mining Techniques. Naresuan University Publishing House.
Sanguansat, P. (2019). Artificial Intelligence with Machine Learning, AI with Machine Learning. Infopress
Senthil Kumar, A.V. (2016). Web Usage Mining Techniques and Applications Across Industries. IGI Global, United States of America.
World Health Organization. (2019). Suicide Worldwide in 2019: Global Health Estimates. WHO.
World Health Organization. (2021). One in 100 Deaths is by Suicide. WHO. https://www.who.int/news/item/17-06-2021-one-in-100-deaths-is-by-suicide
Xiaowei, H., Gaojie, J. and Wenjie, R. (2023). Machine Learning Safety. Singapore.
