การวิเคราะห์การพยากรณ์ตามการเรียนรู้ของเครื่อง สำหรับข้อตกลงระดับการให้บริการ กรณีศึกษา : บริษัท ธนารักษ์พัฒนาสินทรัพย์ จำกัด
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์และเปรียบเทียบประสิทธิภาพแบบจำลองการพยากรณ์ความสำเร็จตามข้อตกลงระดับการให้บริการ ของ บริษัท ธนารักษ์พัฒนาสินทรัพย์ จำกัด โดยใช้ข้อมูลระบบงานบริหารอาคาร ผู้วิจัยได้ใช้เทคนิคเหมืองข้อมูล 5 เทคนิค ได้แก่ ซัพพอร์ตเวกเตอร์แมทชีน ต้นไม้ตัดสินใจ เพื่อนบ้านใกล้สุด เพอร์เซปตรอน และ เอดาบูท อัลกอริธึม มาสร้างตัวแบบพยากรณ์ 5 แบบ และเปรียบเทียบประสิทธิภาพการพยากรณ์ความสำเร็จจากแบบจำลองทั้ง 5 ผลการวิจัยพบว่า เอดาบูท อัลกอริธึม ให้ค่าความถูกต้องสูงสุด เท่ากับ ร้อยละ 69 โดย ซัพพอร์ตเวกเตอร์แมทชีน และ ต้นไม้ตัดสินใจ ให้ค่าความถูกต้องในการพยากรณ์ คิดเป็นร้อยละ 67 เพื่อนบ้านใกล้สุด ให้ค่าความถูกต้องในการพยากรณ์ คิดเป็นร้อยละ 66 และเพอร์เซปตรอน ให้ค่าความถูกต้องในการพยากรณ์ คิดเป็นร้อยละ 56 ตามลำดับ แม้ว่าผลการประเมินประสิทธิภาพของแบบจำลองการพยากรณ์ของแบบจำลองทั้ง 5 ให้ค่าความถูกต้องไม่สูงมากนัก ซึ่งมีค่าความถูกต้องอยู่ที่ร้อยละ 69 แต่แบบจำลองการพยากรณ์สามารถนำไปใช้จริงได้ในธุรกิจโดยพิจารณาปัจจัยอื่นร่วมด้วย เช่น การวิเคราะห์ความเสี่ยงในการจัดเตรียมอะไหล่อุปกรณ์สำหรับการซ่อมแซม การวิเคราะห์ความเสื่อมสภาพของอาคาร การจัดเตรียมความพร้อมของทรัพยากรด้านต่าง ๆ เพื่อกำหนดแผนการทำงานให้สำเร็จได้ตามข้อตกลงระดับการให้บริการ
Article Details
References
S. Junlabuddee, "Customer Relationship Management with Data Mining", Journal of library & information science, Khon Kaen University, Vol. 25, No. 1-3, pp.64-75, Jan-Dec.2007 (in Thai)
P. Bunprasert, "Housing-Loan Classification system using Machine Learning Model", Independent Study, Dhurakij Pundit Univ., 2021. (in Thai)
K. Dechtongkam, “Importance of Service Quality to Tourism Business’s Success under COVID-19 Situation,” Journal of Sports Science and Health, Vol.21, No.3, pp.317-326, Sep.-Dec. 2020 (in Thai)
W. Lalitchaiwasin, I. Tanphan and C. Visitnitikija, "The Service Quality of Juristic Persons in Primo Management of Condominium Co., Ltd., "Narkbhutparitat Journal Nakhon Si Thammarat Rajabhat University, vol. 13, no.3, pp.182-193, Sep.-Dec. 2021. (in Thai)
M. Yawongsa, "An Evaluation of Users' Satisfaction of office Building in Bangkok Central Business District Area," Independent Study, Thummasat Univ., 2017. (in Thai)
A. Phouthongsa, S. Rakkran, B. Chaichannawatik, "Complaints and Satisfaction Management of the Condominium Juristic person in case study of high - class condominiums in the Bangkok area," Journal of Science and Technology, Sukhothai Thammathirat Open University: Vol.1 No.2, pp.82-91, Jul.-Dec., 2021. (in Thai)
P. Khewkon, "Applying ITIL Framework to Service Desk," Independent Study, Mahanakorn Univ., 2016. (in Thai)
S. Chansakul, “Data Mining Techniques for Nursing Data Analysis,” EAU Heritage Journal Science and Technology, Vol. 12, No. 2, pp.83-96, May-August. 2018 (in Thai)
S. Pattanawongprakarn, "An analysis of classification techniques a case study of class preduction for construction projects," M.S. Thesis, Thammasat Univ., 2020. (in Thai)
K. Nasritha, J. Thongkum and W. Sukmak, “A Robust Hybrid Classifi cation Method Analysis”, Journal of Science and Technology, Mahasarakham University, Vol. 33, No. 6, pp.561-570, Nov.-Dec.2014 (in Thai)
R. Bunma and N. Jirawichitchai, “Classification of Diabetes Patient by Using Data Mining Techniques and Correlation Based Feature Selection”, PKRU SciTech Journal, Phuket Rajabhat University, Vol. 3, No. 2, pp.11-19, Jul.-Dec.2019 (in Thai)
Datacamp. (2019, Dec. 15). “Support Vector Machines with Scikit-learn Tutorial” [Online]. Available: https://www.datacamp.com/tutorial/svm-classification-scikit-learn-python
N. Janchum and C. Cheewaviriyanon. “Using Data Mining Techniques to Develop a Model for Scratch Programming Assessment”, Information Technology Journal, King Mongkut's University of Technology North Bangkok, Vol. 18, No. 1, pp.96-105, Jan.-Jun.2022 (in Thai)
C. Knight. (2021, Feb. 2). “The Basics of Graphs and Trees” [Online]. Available: https://williamchknight medium.com/the-basics-of-graphs-and-trees-f5f5ebbdfeee
S. Dande. (2021, Oct. 20). “K — nearest neighbor (KNN) Algorithm & its metrics” [Online]. Available: http://medium.com/@sravanthi.dande/k-nearest-neighbor-knn-algorithm-its-metrics-42c3f196fdda
L. Camuñas-Mesa, B. Linares-Barranco and T. Serrano -Gotarredona. (2019, Aug. 27). “Neuromorphic Spiking Neural Networks and Their Memristor-CMOS Hardware Implementations” [Online]. Available: https://www.mdpi.com/1996-1944/12/17/2745
K. Siriket, “The Moods of The Lyrics in The Future for Business”, Independent Study, Srinakharinwirot Univ.,2020. (in Thai)
P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartzrysler, C. Shearer and R. Wirth, The CRISP-DM user guide. Paper presented at 4th CRISP-DM sig workshop in Brussels in march, 1999.
Cway investment. (2018, Oct. 06). “Adaptive Boosting Algorithm” [Online]. Available: https://medium.com/cw-quantlab/adaptive-boosting-algorithm-a761f0a0b264