01Overall Concept
ไอเดียหลัก — Negative Binomial Regression ใช้ log link เหมือน Poisson แต่เพิ่ม dispersion parameter เพื่อรองรับความผันผวนส่วนเกินและกลุ่มที่มี rate แฝงต่างกัน
ลองนึกภาพว่า — เหมือนนับลูกค้าที่เข้าร้านหลายสาขา โดยบางสาขาผันผวนกว่าสาขาอื่นมากจนสมมติฐานค่าเฉลี่ยเท่าความแปรปรวนไม่พอ
ตัวอย่างการนำไปใช้ — จำนวนเหตุการณ์ที่กระจายกว้าง เช่น เคลม การเข้าโรงพยาบาล หรือยอดสั่งซื้อ
02อธิบายภาษาคนเข้าใจง่ายๆ
Negative Binomial Regression เริ่มจากคำถามง่าย ๆ ว่า ขยาย Poisson ให้ความแปรปรวนของ count สูงกว่าค่าเฉลี่ยได้ วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ
เหมือนนับลูกค้าที่เข้าร้านหลายสาขา โดยบางสาขาผันผวนกว่าสาขาอื่นมากจนสมมติฐานค่าเฉลี่ยเท่าความแปรปรวนไม่พอ ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน
Negative Binomial Regression ใช้ log link เหมือน Poisson แต่เพิ่ม dispersion parameter เพื่อรองรับความผันผวนส่วนเกินและกลุ่มที่มี rate แฝงต่างกัน พารามิเตอร์หลักใน Playground คือ Dispersion α เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ
ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ count 60 ค่า · variance เพิ่มตาม μ และ α เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก
งานที่เหมาะ เช่น จำนวนเหตุการณ์ที่กระจายกว้าง เช่น เคลม การเข้าโรงพยาบาล หรือยอดสั่งซื้อ ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า
ภาพจำ: α→0 ทำให้แบบจำลองเข้าใกล้ Poisson พร้อมจำข้อจำกัดสำคัญว่า ข้อมูลศูนย์จำนวนมากอาจต้อง zero-inflated model และ dispersion ที่กำหนดหรือประมาณผิดเปลี่ยน uncertainty อย่างมาก
03How it works
ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ
เตรียมข้อมูลให้ตรงโจทย์
X และ count y ที่มี variance สูงกว่า mean ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล
ตั้งค่าที่ควบคุมพฤติกรรม
ใช้ dispersion เพื่อควบคุมความแปรปรวนส่วนเกิน และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้
คำนวณแก่นของวิธี
สร้าง μ=exp(Xβ) จากนั้น กำหนด variance เป็น μ+αμ² Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ
สร้างผลลัพธ์ที่นำไปอ่านได้
ประมาณ β จาก likelihood หรือ iteratively reweighted least squares ผลที่ได้คือ ค่า count เฉลี่ย coefficients และ dispersion ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล
ตรวจว่าคำตอบใช้ได้จริง
เปรียบเทียบหลายค่าของ dispersion ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า ข้อมูลศูนย์จำนวนมากอาจต้อง zero-inflated model และ dispersion ที่กำหนดหรือประมาณผิดเปลี่ยน uncertainty อย่างมาก
ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ
dispersionlinkexposureข้อมูลที่รับเข้ามา
X และ count y ที่มี variance สูงกว่า mean
count 60 ค่า · variance เพิ่มตาม μ และ αพารามิเตอร์ที่ใช้
- dispersion
- ควบคุมความแปรปรวนส่วนเกิน
- link
- เชื่อม mean กับ linear predictor โดยทั่วไปใช้ log
- exposure
- ชดเชยเวลาหรือขนาดฐานที่ต่างกัน
ผลลัพธ์ที่ได้
ค่า count เฉลี่ย coefficients และ dispersion
α→0 ทำให้แบบจำลองเข้าใกล้ Poissonคำนวณทีละขั้น
- 01
สร้าง μ=exp(Xβ)
- 02
กำหนด variance เป็น μ+αμ²
- 03
ประมาณ β จาก likelihood หรือ iteratively reweighted least squares
ควรรู้อีกนิด — ข้อมูลศูนย์จำนวนมากอาจต้อง zero-inflated model และ dispersion ที่กำหนดหรือประมาณผิดเปลี่ยน uncertainty อย่างมาก
04Make it yours
# ติดตั้ง: pip install numpy statsmodelsimport numpy as np data = np.genfromtxt("negative-binomial-regression-sample.csv", delimiter=",", skip_header=1)X = data[:, :2] y = data[:, 1]X_design = np.column_stack([np.ones(len(X)), X[:, 0]])import statsmodels.api as sm model = sm.GLM(y, X_design, family=sm.families.NegativeBinomial(alpha=0.6)).fit()print(model.summary())print("Predictions:", model.predict(X_design)[:8])โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด
05Learn by playing
ปรับ Dispersion α แล้วสังเกตรูปแบบคำทำนายและตัวชี้วัดที่คำนวณใหม่ทันที
Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ statsmodels จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง