บริษัทขนส่งต้องการพัฒนาโมเดลพยากรณ์ปริมาณพัสดุที่จะรับในแต่ละวัน โดยใช้ข้อมูลย้อนหลัง 3 ปี ซึ่งมีรูปแบบตามฤดูกาลชัดเจน เทคนิค Machine Learning ใดเหมาะสมที่สุด
กTime Series Forecasting เช่น ARIMA หรือ LSTM เพราะข้อมูลมีลำดับเวลาและรูปแบบตามฤดูกาล
ขK-Means Clustering เพื่อจัดกลุ่มวันที่คล้ายกัน
คSupport Vector Machine (SVM) เพราะจำแนกประเภทข้อมูลได้ดี
งAssociation Rule Learning เพราะหารูปแบบความสัมพันธ์ในข้อมูลได้
เฉลยอธิบาย
Time Series Forecasting เป็นกลุ่มเทคนิคที่ออกแบบมาเฉพาะสำหรับข้อมูลที่มีลำดับเวลา (Temporal Order) และรูปแบบซ้ำตามฤดูกาล (Seasonality) เช่น ARIMA สำหรับรูปแบบเชิงเส้น หรือ LSTM ของ Deep Learning สำหรับรูปแบบซับซ้อน ตัวเลือก A ผิดเพราะ K-Means จัดกลุ่มข้อมูลไม่ใช่พยากรณ์ค่าในอนาคต ตัวเลือก C ผิดเพราะ SVM เหมาะกับการจำแนกประเภทไม่ใช่พยากรณ์ค่าต่อเนื่อง ตัวเลือก D ผิดเพราะ Association Rule ใช้หา Pattern ร่วมในธุรกรรม เช่น Market Basket Analysis