📊 พยากรณ์การขึ้นทะเบียนเกษตรกรรายอำเภอ — โมเดลพื้นฐาน
Linear Regression + Gradient Boosting บนสเกลข้อมูลปกติ ทำนายพื้นที่เกษตรและครัวเรือนปี 2569-2570 (R² สูงสุด 0.7337)
เข้าชม Dashboard →รวมผลงานวิเคราะห์และสร้างภาพข้อมูลเปิดภาครัฐไทย จากชุดข้อมูล data.go.th สู่ Dashboard เชิงโต้ตอบ
Linear Regression + Gradient Boosting บนสเกลข้อมูลปกติ ทำนายพื้นที่เกษตรและครัวเรือนปี 2569-2570 (R² สูงสุด 0.7337)
เข้าชม Dashboard →Target Log-Transformation แก้ความเบ้ระหว่างอำเภอขนาดต่างกันมาก ดัน R² เป็น 0.7633 และลด MAE ลง 23%
เข้าชม Dashboard →กรมส่งเสริมการเกษตร — EDA สำหรับเจ้าหน้าที่หน่วยงานภาครัฐ
เข้าชม Dashboard →โปรเจกต์นี้เป็นการสำรวจข้อมูล (Exploratory Data Analysis - EDA) และสร้างแผนที่แบบมีปฏิสัมพันธ์ (Interactive Mapping) จากข้อมูลปศุสัตว์ของกรมปศุสัตว์ ประเทศไทย โดย…
เข้าชม Dashboard →Gradient Boosting (Huber Loss) ร่วมกับ Target Log-Transformation ลดอิทธิพลจังหวัดโรงฆ่าสัตว์ขนาดใหญ่ (สุกร R² 0.7067)
เข้าชม Dashboard →Random Forest บนค่าจริงไม่แปลงสเกล ใช้เป็นตัวเทียบให้เห็นผลของ Log-Transform ชัดขึ้น (สุกร R² 0.2183)
เข้าชม Dashboard →Lag Features (1/2/12 เดือน) + Linear Regression vs Random Forest พร้อมพยากรณ์แบบวนซ้ำล่วงหน้า 6 เดือน
เข้าชม Dashboard →เพิ่ม Cyclical Encoding รายเดือน (sin/cos) ให้โมเดลจับรูปแบบฤดูกาลการระบาดได้ดีขึ้น
เข้าชม Dashboard →เปรียบเทียบ Gradient Boosting สมัยใหม่ (XGBoost, LightGBM) กับโมเดลพื้นฐาน บนชุดฟีเจอร์เดียวกัน
เข้าชม Dashboard →สำรวจ 6 ชุดข้อมูลสุขภาพ — โรคติดต่อนำโดยแมลง, ผลกระทบ PM2.5, อุบัติภัยสารเคมี, สุขภาพแรงงานนอกระบบ และจุดความร้อนเขตสุขภาพ 7-8
เข้าชม Dashboard →กระจายตัวฟาร์มกังหันลมรายจังหวัด กำลังผลิตตามสัญญา และปริมาณพลังงานที่ผลิตได้เทียบกับ CO₂ ที่ลดลงรายปี
เข้าชม Dashboard →เปรียบเทียบ Random Forest แบบไตรมาสปกติ กับแบบเข้ารหัสวัฏจักร (Sin/Cos) — ค่าจริง vs ค่าทำนาย รายเครื่องมือ
เข้าชม Dashboard →เจาะลึกข้อพิรุธในระบบสอบเทียบ NIMT — รายได้รั่วไหลจากบริการฟรีให้ลูกค้าภายนอก คอขวดงานค้างข้ามปี และกลยุทธ์เพิ่มรายได้ 10%
เข้าชม Dashboard →การวิเคราะห์ข้อมูลสถาบันมาตรวิทยาแห่งชาติ — เฉลยสมบูรณ์
เข้าชม Dashboard →คู่มือสำหรับมือใหม่: EDA → จำแนกฝ่ายงานสอบเทียบด้วย Machine Learning → K-Means + PCA พร้อมภาพสรุปตัวชี้วัดโมเดล
เข้าชม Dashboard →PCA → K-Means จัดกลุ่มความเสี่ยงเชิงพื้นที่ → Random Forest จำแนกธุรกิจเสี่ยงสูง (ROC AUC 0.9615) และพยากรณ์อายุขัยธุรกิจ
เข้าชม Dashboard →Advanced Social Welfare Analytics, SLA Optimization & Cross-Domain Cultural Policy Integration
เข้าชม Dashboard →Thailand Newborn Child Grant District Analytics, Geospatial Intelligence & Time Series Forecasting
เข้าชม Dashboard →บูรณาการ PPI × Shipment — 4-Quadrant Bubble (ราคาต้นทุน vs ปริมาณส่ง), Seasonality Heatmap, TSIC Weights Treemap และ Forecast Fan Chart
เข้าชม Dashboard →Data Science Life Cycle: Step-by-Step Teaching Notebook for Producer Price Index (PPI) Analysis
เข้าชม Dashboard →Supervised Machine Learning บนข้อมูลดัชนีราคาผู้ผลิต (Producer Price Index)
เข้าชม Dashboard →Data Science Life Cycle: Step-by-Step Teaching & Masterpiece Analysis Notebook
เข้าชม Dashboard →Thailand Industrial Shipment Index: Targeted Analytics & Electronics Deep Dive
เข้าชม Dashboard →