งานวิจัยเปรียบเทียบอัลกอริทึม 9 แบบในข้อมูลประมงฟิลิปปินส์ 32 ชุดภูมิภาค–ภาคการผลิตช่วงปี 2545–2568 โดยใช้ตัวแปรสมุทรศาสตร์และ SHAP อธิบายผล แบบเคอร์เนลและโครงข่ายประสาทเป็นตัวเลือกดีที่สุด 26 จาก 32 ชุด และได้คะแนนรวมสูงกว่าแบบต้นไม้ 12.7% ความดันย่อย CO₂ เป็นตัวแปรเด่น แต่ตัวแปรและแบบจำลองที่เหมาะต่างกันตามภูมิภาค ค่าคลาดเคลื่อนร้อยละสัมบูรณ์เฉลี่ย 22–25% และความแม่นทิศทาง 0.62–0.66 อาจพอใช้เตือนล่วงหน้า แต่ยังมีความคลาดเคลื่อนมากและ SHAP อธิบายการพยากรณ์ของโมเดล ไม่ได้พิสูจน์ว่า CO₂ เป็นสาเหตุของผลผลิต
ข้อค้นพบสำคัญ
ทำไมจึงมีความสำคัญระดับโลก
ผลงานเพิ่มองค์ความรู้ในสาขาและเปิดทางให้ตรวจสอบหรือต่อยอดในบริบทอื่น การตีความผลกระทบควรยึดขอบเขตและหลักฐานของงานต้นฉบับเป็นหลัก ระบบให้สัญญาณผลกระทบ 72 จาก 100 ซึ่งใช้เพื่อจัดลำดับการนำเสนอ ไม่ใช่คะแนนคุณภาพวารสารหรือการจัดอันดับนักวิจัย
บทบาทของนักวิจัยไทย
การเชื่อมโยงกับประเทศไทยปรากฏผ่านผู้เขียนหรือสังกัด ได้แก่ Walailak University
ข้อจำกัดที่ควรรู้
บทวิเคราะห์นี้อาศัยข้อมูลบรรณานุกรม บทคัดย่อ และแหล่งต้นทางที่เข้าถึงได้ ไม่ได้แทนการอ่านบทความฉบับเต็ม และไม่ควรอนุมานเหตุเป็นผลหรือการใช้จริงเกินกว่าที่ผู้วิจัยรายงาน
ตรวจสอบแหล่งต้นทาง
Machine Learning and Knowledge Extraction↗DOI: 10.3390/make8070197