การสร้างตัวแบบวิเคราะห์พฤติกรรมและสาเหตุต่อการเป็นโรคติดสุรา ด้วยเทคนิคต้นไม้ตัดสินใจ

ผู้แต่ง

  • ณัฐภัทร ฤทธิ์เดช สาขาวิชาเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครปฐม
  • อดิศร ขาวเอียด สาขาวิชาเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครปฐม
  • ปริพัส ศรีสมบูรณ์ สาขาวิชาเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครปฐม

คำสำคัญ:

โรคติดสุรา, ต้นไม้ตัดสินใจ, เทคนิคการสุ่มเพิ่มตัวอย่างกลุ่มน้อย

บทคัดย่อ

การสร้างตัวแบบวิเคราะห์พฤติกรรมและสาเหตุต่อการเป็นโรคติดสุราด้วยเทคนิคต้นไม้ตัดสินใจ งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและพัฒนาตัวแบบวิเคราะห์ พฤติกรรมและสาเหตุต่อการดื่มเครื่องดื่มแอลกอฮอล์และปัจจัยที่ส่งผลต่อการทำให้เป็นโรคติดสุรา โดยใช้เทคนิคต้นไม้ตัดสินใจ กลุ่มตัวอย่างที่ใช้คือนักศึกษา มหาวิทยาลัยราชภัฏนครปฐมชั้นปีที่ 1 ถึง ชั้นปีที่ 4 อำเภอเมืองนครปฐม จังหวัดนครปฐม จำนวนผู้ทำแบบสำรวจทั้งหมดเป็น 500 คน โดยมีรายละเอียดข้อมูลคือ มีจำนวนคุณลักษณะทั้งหมด 12 คุณลักษณะ และเมื่อได้วิเคราะห์ข้อมูลจะพบว่ามี จำนวนระเบียนที่สมบูรณ์พร้อมใช้งานทั้งหมด 500 ระเบียน และจำแนกได้ทั้งหมด 4 กลุ่ม คือ กลุ่มที่ 1 คือ ผู้ดื่มแบบเสี่ยงต่ำ กลุ่มที่ 2 คือ ผู้ดื่มแบบเสี่ยง กลุ่มที่ 3 คือ ผู้ดื่มแบบอันตราย กลุ่มที่ 4 คือ กลุ่มผู้ดื่มแบบติด ซึ่งใช้เทคนิคการจำแนกข้อมูลประเภทข้อมูลด้วยต้นไม้ตัดสินใจ โดยเปรียบเทียบอัลกอริทึมที่ใช้ในงานวิจัยคือ 4 อัลกอริทึม ได้แก่ อัลกอริทึม J48, อัลกอริทึม LMT, อัลกอริทึม RandomTree และ อัลกอริทึม HoeffdingTree และใช้เทคนิคการปรับค่าความสมดุลของข้อมูลด้วยวิธีเทคนิคการสุ่มเพิ่มตัวอย่างกลุ่มน้อย (Synthetic minority Over-sampling Technique : SMOTE) เพื่อให้ได้ค่าที่เหมาะสมที่สุดและถูกต้องที่สุด นำมาสร้างตัวแบบวิเคราะห์พฤติกรรมและสาเหตุต่อการเป็นโรคติดสุราด้วยเทคนิคต้นไม้ตัดสินใจ โดยผลการวิจัยครั้งนี้ พบว่า อัลกอริทึม J48 มีค่าความถูกต้องและต่าตวามแม่นยำของข้อมูลซึ่งใช้ 8-fold cross validation ในการแบ่งข้อมูล โดยมีค่าความสมดุล SMOTE 800  นั้น มีค่าความถูกต้อง 80.61%, ค่าความแม่นยำ 78.20%, ค่าความระลึก 80.60% และค่าความถ่วงดุล 78.80% ซึ่งมากกว่า LMT, RandomTree และ HoeffdingTree

References

Wichaidit, W., McNally, E., Saenam, D., & Asanangkornchai, S., (2017). Alcohol consumption in Thai society in 2017. Center for Alcohol Studies (CAS). Epidemiology Unit, faculty of Medicine, Prince of Songkhla University. Retrieved from http://cas.or.th/cas/?p=6105. (in Thai)

Alcoholic beverages. (2020). Thai Encyclopedia for Youth. Retrieved from https://bit.ly/3sNXDlk. (in Thai)

Cartoon, A. (2012). Drinker. Retrieved from http://lovedring.blogspot.com/2012/11/blog-post.html. (in Thai)

Be addicted to alcohol. (2012). Faculty of medicine. Chulalongkorn University. Retrieved from https://bit.ly/3niGnmX. (in Thai)

Definition Of Alcoholism. (2017). PobPad. Retrieved from https://bit.ly/3sNAS0T. (in Thai)

Boonserm, K. (2003). Algorithms for Data Mining. Engineering Computer. Chulalongkorn University. Retrieved from https://www.cp.eng.chula.ac.th/~boonserm/publication/AlgoDataMining.pdf. (in Thai)

Atcharaporn, J. (2016). Developing Information Systems to Forecast the Number of New Studentsv Using Decision Tree Classification Rules. Business Administration and Accountancy Roi et Rajabhat University.(2), 267. (in Thai)

Paranya, P. (2016). Improving Decision Tree Technique in Imbalanced Data Sets Using SMOTE for Internet Addiction Disorder Data. Information Technology Journal. (12), 57. (in Thai)

Pattanaphong, D. & Jaree, T., (2021). The Comparison of Performance Models for Predicting Students Success in Vocation Education. Informatics Faculty Informatics Mahasarakham University. 37(1), 383. (in Thai)

Chawla N. V., Bowyer K. W., Hall L. O., & Kegelmayer W. P.,(2002). SMOTE: Synthetic Minority Over Sampling Technique. Journal of Artificial Intelligent Research. (16). 323.

Downloads

เผยแพร่แล้ว

2022-12-31