การจำแนกผลการชำระเงิน ด้วยเทคนิคการเรียนรู้ของเครื่องจักร กรณีศึกษา บริษัทให้เช่าพื้นที่จัดเก็บสินค้าแห่งหนึ่ง

ผู้แต่ง

  • ชุษณา เทียนทอง ภาควิชาการบริหารอุตสาหกรรมการผลิตและบริการ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
  • อารียา สุขเอี่ยม ภาควิชาการบริหารอุตสาหกรรมการผลิตและบริการ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

คำสำคัญ:

การเรียนรู้ของเครื่องจักร, เหมืองข้อมูล, แบบจำลองการพยากรณ์, การเรียนรู้แบบมีผู้สอน

บทคัดย่อ

งานวิจัยนี้เป็นการศึกษาการจำแนกผลการชำระเงิน ด้วยเทคนิคการเรียนรู้ของเครื่องจักรโดยใช้โปรแกรม Weka เพื่อการวางแผนการจัดการลูกหนี้ในอนาคต และเพื่อสภาพคล่องทางการเงินที่ดีขึ้นของธุรกิจ โดยมีวัตถุประสงค์เพื่อ 1) ศึกษาระบบการออกใบแจ้งหนี้และติดตามชำระหนี้ 2) สร้างแบบจำลองการจำแนกผลการชำระเงิน โดยใช้เทคนิคการเรียนรู้ของเครื่องจักร 3) เปรียบเทียบค่าความถูกต้องของแต่ละอัลกอริทึมในการจำแนกผลการชำระเงินที่เกินกำหนดและผลการชำระเงินที่ไม่เกินกำหนด โดยใช้เทคนิคการจำแนกประเภท (Classification) และ 4) พยากรณ์ผลการชำระเงินและวัดประสิทธิภาพของแบบจำลอง จากการศึกษาการสร้างแบบจำลองการจำแนกผลการชำระเงินจากอัลกอริทึม 3 แบบ ได้แก่ วิธีข่ายงานเบย์ วิธีการถดถอยโลจิสติกส์ และวิธีการเคลื่อนลงตามความชัน พบว่าแบบจำลองจากวิธีการจำแนกข้อมูลแบบข่ายงานเบย์เป็นแบบจำลองที่มีประสิทธิภาพดีที่สุด ซึ่งให้ค่าความถูกต้องของการจำแนกผลการชำระเงินเท่ากับร้อยละ 82.35 จึงได้ใช้เป็นตัวแบบสำหรับการจำแนกผลการชำระเงินในการศึกษานี้ นอกจากนี้การศึกษาการจำแนกผลการชำระเงินที่เกินกำหนดและผลการชำระเงินที่ไม่เกินกำหนด สอดคล้องกับสมมติฐานที่ตั้งไว้ คือ การจำแนกผลการชำระเงินโดยแบบจำลองจากวิธีการจำแนกข้อมูลที่ถูกเลือก จะมีค่าความคลาดเคลื่อนจากผลลัพธ์จริงไม่เกินร้อยละ 15.00 ซึ่งผลการศึกษามีค่าความคลาดเคลื่อนสัมพัทธ์ (Relative Error) เท่ากับร้อยละ 7.69 และร้อยละ 4.55 ตามลำดับ

References

Wongpipan, T. (2013). The Use of Data Mining to Assist in Credit Decision Making. A Case Study of Krungthai Car Rent and Lease Public Company Limited. [Unpublished master’s thesis]. Dhurakij Pundit University Bangkok. (in Thai).

Chumvijarn, S. (2015). Bayesian Statistics for the Social Science. Journal of Research Methodology, 2(28), 271-277. (in Thai).

Pungpapong, V. (2015). A Brief Review on High-dimensional Linear Regression. Thai Science and Technology Journal, 23(2), 212–223. (in Thai).

Panyakhun, S., Klaisongkhram, T., & Pongsart, T. (n.d.). Bayesian Networks and Applications. Khon Kaen University. (in Thai).

Sinsomboonthong, S. (2018). An Efficiency Comparison in Prediction of Child and Adolescence Game Addition in Bangkok. Thai Science and Technology Journal, 3(26), 405–414. (in Thai).

Kotuangchan, O. (2018). Classification of overdue invoices. with machine learning techniques. [Bachelor’s thesis]. King Mongkut's University of Technology North Bangkok. (in Thai).

Naphaaroonchai, S. (2019). Price Forecasting by Machine Learning Using Weka Program, Case Study of Conrad Hotel, Bangkok. [Bachelor’s thesis]. King Mongkut's University of Technology North Bangkok. (in Thai).

Chancharat, S., Musikapodoke, R., & Khermkhan, J. (2013). Prediction Efficiency with Artificial Neural Network:Case Study of the SET Index. The Journal of King Mongkut's University of Technology North Bangkok, 23(3), 706–714. (in Thai).

Downloads

เผยแพร่แล้ว

2023-10-04