จุดง่าย ๆ ที่ควรสังเกตได้ทันที
แต่ละจุดแทนหนึ่งตัวอย่าง สีแทนคลาสเป้าหมาย ยังไม่ต้องรีบสรุป—ลองมองก่อนว่าตำแหน่งของจุดช่วยให้เห็นความต่างระหว่างสีหรือไม่
สองกลุ่มยังทับกันมาก
แยกชัดจนควรตรวจที่มา
ทับกันตรงกลาง ก็ยังมีข้อมูลให้ใช้
ไม่จำเป็นต้องแยกทุกจุด ลองมองปลายด้านซ้าย ขวา บน หรือล่างว่ามีบริเวณที่เหลือเพียงคลาสเดียวหรือไม่
ปลายขวาเหลือคลาส B
แม้ช่วงกลางจะทับกัน แต่เมื่อ feature มากกว่า threshold บริเวณนี้เหลือจุดสีชมพู
ลอง feature: x > 7
กฎนี้ไม่จำเป็นต้องแยกทุกจุด แค่ช่วยระบุ หนึ่งคลาสในบางบริเวณ ได้ ก็เป็นสมมติฐานที่ควรนำไปทดสอบ
จากสิ่งที่สังเกต สู่ feature ที่น่าลอง
ใช้กราฟเป็นจุดเริ่มตั้งสมมติฐาน ไม่ใช่คำตอบสุดท้าย: สังเกตสิ่งที่เกิดขึ้น → ลองอธิบาย → สร้าง feature → ตรวจด้วย validation
1. หาง Distribution → Threshold
ปลายขวาพ้นจากคลาส A จึงสร้างกฎที่มั่นใจเฉพาะช่วงได้
จุดสังเกต: มองบริเวณหลังเส้นประว่ามีสีอื่นหลุดเข้ามากี่จุด และมีจำนวนตัวอย่างพอหรือไม่
ตรวจ: จำนวนตัวอย่างที่หางต้องพอ และ threshold ต้องหาใน train เท่านั้น
2. รูปแบบเปลี่ยนตามช่วง → Bin
แท่งกลางสูงกว่าช่วงข้างเคียง จึงไม่ควรใช้เส้นตรงเส้นเดียว
จุดสังเกต: ดูว่า rate เพิ่มต่อเนื่องหรือเด้งเฉพาะบางช่วง และดูจำนวนแถวใต้แต่ละแท่งควบคู่กัน
ตรวจ: อย่าแบ่งถี่จนบาง bin มีข้อมูลน้อย หรือเลือกขอบจาก test
3. เส้นแบ่งเอียง → Sum / Interaction
แยกด้วยแกน A หรือ B เดี่ยวไม่ได้ แต่เส้นทแยง A+B แยกได้
จุดสังเกต: ถ้า boundary เอียง ให้ลองบวก ลบ หรือ interaction แทนการหา threshold บนแกนเดียว
ตรวจ: หน่วยและช่วงเวลาต้องตรงกัน และค่าทั้งคู่ต้องรู้ก่อนทำนาย
4. ขนาดสัมพันธ์กับฐาน → Ratio
จุดเหนือเส้นมีหนี้สูงเมื่อเทียบกับรายได้ แม้ยอดหนี้ดิบจะต่างกัน
จุดสังเกต: ถ้าจุดที่มี “สัดส่วนใกล้กัน” อยู่บนเส้นรัศมีเดียวกัน ให้ลองหารด้วยค่าฐาน
ตรวจ: ป้องกันตัวหารเป็นศูนย์ และดู outlier หลังหารทุกครั้ง
5. ค่าว่างมีความหมาย → Indicator
กลุ่ม NA มี target rate สูงกว่า จึงอาจใช้ “การหาย” เป็น feature ได้
จุดสังเกต: เปรียบเทียบ target rate ของ NA กับ non-NA และถามเสมอว่า “ทำไมข้อมูลจึงหาย”
ตรวจ: กระบวนการเก็บข้อมูลอาจเปลี่ยน ทำให้ feature นี้เสื่อมเร็ว
6. รูปแบบต่างตามเวลา → Context
ยอดใช้พุ่งใกล้วันเงินเดือนอาจปกติ แต่ยอดเดียวกันนอกช่วงอาจผิดปกติ
จุดสังเกต: วาดเส้นเดิมแยกตามเวลาและกลุ่ม แล้วดูว่าทิศทางหรือ baseline เปลี่ยนหรือไม่
ตรวจ: validation ต้องแบ่งตามเวลา และระวัง Simpson’s paradox
เมื่อรวมยอด A และ B จุดเคลื่อนผ่านเส้นเมื่อไร?
ปรับสองยอดแล้วดูตำแหน่งของจุด แนวคิดคือผลรวมอาจเผยรูปแบบที่ยอดเดี่ยวมองไม่เห็น
สิ่งที่สังเกต → เส้นแบ่งเอียง → ลอง total_balance = A + B → ตรวจว่ายังใช้ได้บน validation หรือไม่
กราฟเดียว อาจบอกเรื่องต่างกัน
เลือกแต่ละมุมมอง แล้วสังเกตว่ารูปทรงและบริบททำให้ข้อสันนิษฐานเปลี่ยนอย่างไร
สองกลุ่มเริ่มแยกกันบางส่วน
กราฟไม่จำเป็นต้องแยกสมบูรณ์ แค่เริ่มเห็นแนวโน้มก็เพียงพอสำหรับตั้งสมมติฐานและลอง baseline
- เริ่มด้วย Logistic Regression เป็น baseline
- ดูว่าสัญญาณยังคงอยู่บน validation set หรือไม่
ลองเช็กอีกสองเรื่องก่อนสรุป
รูปแบบที่เห็นอาจเป็นสัญญาณจริง หรือเกิดจากวิธีเก็บและแบ่งข้อมูล ลองใช้สองคำถามนี้ช่วยตรวจ
feature นี้รู้อนาคตหรือไม่?
บางค่าเกิดหลังเหตุการณ์ หรือคำนวณจาก target เช่น ใช้ “วันปิดบัญชี” เพื่อทำนายว่าจะปิดบัญชีไหม
ลองถาม: ณ เวลาที่ต้องทำนาย เรามีค่านี้แล้วหรือยัง?แบ่งข้อมูลเหมือนสถานการณ์จริงหรือไม่?
ข้อมูลคนเดียวกันหรือช่วงเวลาเดียวกันอาจอยู่ทั้ง train และ test ทำให้ผลดูดีกว่าการใช้งานจริง
ลองถาม: ควรแบ่งตามคน กลุ่ม หรือเวลาหรือไม่?จากภาพนี้ คุณเริ่มเห็นอะไร?
เลือกข้อที่ใกล้กับสิ่งที่สังเกตที่สุด แล้วค่อยอ่านคำอธิบาย ไม่มีคะแนนและไม่ต้องรีบ—เป้าหมายคือฝึกตั้งคำถามจากภาพ