ยกระดับการตัดสินใจที่แม่นยำและรวดเร็วให้กับ Machine Learning ด้วยแพ็กเกจ Python - coverforest - โดยนักวิจัยคณะวิทยาศาสตร์ มช.

      นักวิจัยภาควิชาสถิติ มหาวิทยาลัยเชียงใหม่ ทำการศึกษาวิจัยในหัวข้อ coverforest: Conformal predictions with random forest in Python โดยการนำ Machine Learning ไปประยุกต์ใช้กับงานที่มีความสำคัญและมีความเสี่ยงสูง (Predictions under risks)  ในโลกของปัญญาประดิษฐ์ (AI) และ Machine Learning การพึ่งพาเพียงผลลัพธ์การทำนายแบบจุด (Point prediction) นั้นไม่เพียงพอต่อการตัดสินใจที่รัดกุม หรืองานที่มีความเสี่ยงสูง ดังนั้น การประเมินปริมาณความไม่แน่นอน (Uncertainty Quantification) จึงเข้ามามีบทบาทสำคัญ อย่างไรก็ตาม ความท้าทายหลักคือข้อมูลในโลกความเป็นจริงมักไม่ได้มีการแจกแจงแบบปกติ (Non-normal data) ส่งผลให้การหาช่วงความเชื่อมั่นด้วยวิธีทางสถิติแบบดั้งเดิมมักมีความคลาดเคลื่อน อ่านต่อ