นุ้บนิ้บ

🥞 Inspiration

แรงบรรดาลใจในการออกแบบโมเดล นี้มาจากธรรมชาติของสิ่งมีชีวิตที่มีความแตกต่างกันในเรื่องของ ทักษะและความได้เปรียบเชิงกายภาพ โดยเราคิดว่าถ้าหากเรานำโมเดลแต่ละตัวที่แตกต่างกันแต่มีพื้นฐานที่เหมือนกันมาทำงานร่วมกันจะได้ผลลัพธ์ที่น่าสนใจ

🥞 What it does

Model ของเรานั้นใช้ Multiple Regression ในการพยากรณ์ผลลัพธ์ โดยเราได้ใช้ model ที่แตกต่างกัน 5 ตัว ได้แก่ Linear Regression , Ridge Regression , Lasso Regression , ELasticNet Regression และ BayesianRidge Regression เข้ามาช่วยในการพยากรณ์ เนื่องจากเราต้องการเพิ่ม regularization ให้กับตัว model หลังจากที่ model ทั้ง 5 ตัวพยากรณ์ผลลัพธ์เสร็จแล้ว เราจะนำผลลัพท์ที่ได้มาหาค่าเฉลี่ย แล้วนำค่าเหล่านั้นเป็นผลลัพธ์ที่แท้จริง

🥞 How we built it

ขั้นตอนในการทำงานมีดังนี้

ทำการ clean data - ลบแถวที่มี missing data และ แถวที่มีข้อมูลที่ไม่สอดคล้องกับความเป็นจริง (เช่น พิ้นที่ผิว <= 0 ซึ่งเป็นไปไม่ได้ในความเป็นจริง ) ออกจากตาราง
model training - นำข้อมูลที่ได้มา train model ทั้ง 5 ตัวแล้ววัดประสิทธิภาพของ model แต่ละตัวและวัดประสิทธิภาพของผลลัพธ์ทีผ่านการหาค่าเฉลี่ยมาแล้ว เพื่อให้เห็นภาพรวมว่า model ตัวไหนมีค่า error มากน้อยเพียงใดเมื่อเทียบกับค่าเฉลี่ย
tuning parameter - หลังจากได้ผลลัพธ์จากข้อที่ (2) แล้วเราจะนำผลลัพธ์นั้นมาแก้ไข paremeter บางตัว (เช่น ค่า alpha ของ regularization หรือ ค่า n ใน multiple regression)
ทำข้อ (1) - (3) ซ้ำจนกว่าจะได้ค่าที่พึงพอใจ

🥞 Challenges we ran into

สิ่งที่ท้าทายในการทำงานครั้งนี้มีดังนี้

การทำความสะอาดข้อมูลที่มีความซับซ้อน
การออกแบบโมเดลจากความรู้ที่มีอยู่รวมกับความคิดสร้างสรรค์ของสมาชิกในทีม
การแข่งขันที่สนุกสนานและมีความท้าทายอย่างมาก

🥞 Accomplishments that we're proud of

สิ่งที่เราทั้งรู้สึกภาคภูมิใจมากที่สุด คือ การที่พวกเราเริ่มเรียนรู้การสร้าง ปัญญาประดิษฐ์จากเริ่มต้นสู่การใช้งานจริงๆ บน ข้อมูลจริงที่ได้รับมา และได้ผลลัพธ์ที่พวกเราค่อนข้างพึงพอใจเป็นอย่างมาก

🥞 What we learned

ได้เรียนรู้ในเรื่องของการทำงานเป็นทีม การช่วยเหลือกัน การแลกเปลี่ยนเรียนรู้ซึ่งกันและกัน การทำงานกับ dataset จริงๆ และ ได้เรียนรู้เทคนิคการออกแบบโมเดลของทีมอื่นๆ เพื่อเป็นแนวทางการออกแบบโมเดลในอนาคต