โรงงานผลิตชิ้นส่วนยานยนต์ต้องการพัฒนาโมเดล AI ตรวจสอบคุณภาพจากภาพถ่าย โดยพบว่าชิ้นส่วนบกพร่องมีเพียง 2% ของทั้งหมด ปัญหาหลักที่ต้องระวังในการพัฒนาโมเดลนี้คืออะไร
กปัญหา Class Imbalance ที่โมเดลอาจเรียนรู้แต่ชิ้นส่วนปกติและทำนายว่าทุกชิ้นปกติโดยมี Accuracy สูงแต่ตรวจไม่พบของเสีย
ขปัญหา Overfitting เนื่องจากข้อมูลภาพมีความละเอียดสูงเกินไปทำให้โมเดลใช้เวลาประมวลผลนานและไม่เหมาะกับสายการผลิต
คปัญหา Underfitting เนื่องจากโมเดลมีพารามิเตอร์น้อยเกินไปทำให้ไม่สามารถเรียนรู้ลักษณะของชิ้นส่วนบกพร่องได้
งปัญหา Data Leakage ที่ข้อมูลชุดทดสอบถูกนำไปใช้ในการฝึกโมเดลทำให้ผลการประเมินความแม่นยำสูงกว่าความเป็นจริง
เฉลยอธิบาย
ปัญหา Class Imbalance คือปัญหาหลักในกรณีนี้ เมื่อข้อมูลชิ้นส่วนบกพร่องมีเพียง 2% โมเดลสามารถทำนายว่าทุกชิ้นปกติแล้วได้ Accuracy ถึง 98% โดยที่ตรวจไม่พบของเสียเลย แนวทางแก้ไขได้แก่ การใช้ Oversampling เช่น SMOTE การใช้ Cost-sensitive Learning หรือการวัดผลด้วย Precision, Recall และ F1-Score แทน Accuracy เพียงอย่างเดียว