02/12/2020

Metode Klasifikasi Dalam Machine Learning

Hallo Semua, apakah kalian sudah tidak asing lagi dengan kata “Machine Learning “ ?. Jika tidak maka mimin akan memberikan penjelasannya ataupun gambarannya secara umum. Machine Learning adalah mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran mesin dikembangkan berdasarkan disiplin ilmu lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang atau diperintah. Dalam hal ini machine learning memiliki kemampuan untuk memperoleh data yang ada dengan perintah ia sendiri. ML juga dapat mempelajari data yang ada dan data yang ia peroleh sehingga bisa melakukan tugas tertentu. Tugas yang dapat dilakukan oleh ML pun sangat beragam, tergantung dari apa yang ia pelajari.Selanjutnya didalam Machine Learning terdapat sebuah metode untuk melakukan klasifikasi. Pada kesempatan kali ini mimin akan menjelaskan mengenai klasifikasi tersebut, Yuk kita simak pembahasannya.

Supervised Learning

Algoritma ini membangkitkan suatu fungsi yang memetakan input ke output yang diinginkan. Kualitas hasil pembelajaran sangat bergantung pada kesesuaian input dan output yang diberikan. Dengan demikian, user yang sangat berperan dalam memvalidasi input dan output tersebut. Oleh karena itu, algoritma jens ini disebut pembelajaran terawasi (supervised learning). Contoh Supervised Learning adalah ketika kalian memiliki sejumlah buku yang sudah dilabeli dengan kategori tertentu. Misalnya, kategori buku novel seperti Digital Fortress, Inferno, Deception Point. Kategori buku akademik, seperti Pengantar Teknologi Informasi, R in Action, Rekayasa Perangkat Lunak. Kategori biografi antara lain Anne Frank, Abraham Lincoln dan Mandela. Selanjutnya, ketika kalian membeli sejumlah buku baru, maka kalian harus mengindentifikasi isi dari buku tersebut, dan memasukannya dalam kategori. Ketika kalian membeli buku Logika fuzzy, Kalian pasti akan memasukan buku tersebut ke dalam buku akademik. Yang termasuk dalam kategori supervised learning yaitu

  • Regresi Linier
  • Decision Tree
  • Random Forest
  • k-Nearest Neighbor
  • Support Vector Machine
  • Neural Networks

UNSUPERVISED LEARNING

Algoritma ini memodelkan sekumpulan input secara otomatis tanpa ada panduan (yang berupa output yang diinginkan). Artinya data yang dipelajari hanya berupa input tanpa label. Algoritma ini biasanya digunakan untuk masalah clustering. Yang termasuk dalam golongan ini adalah :

  • Clustering
  • Semua algoritma termasuk hieararcical clustering, k-Mean, Mixture Models
  • Anomaly Detection
  • Neural Network
  • Self Organizing Map

SEMI-SUPERVISED LEARNING

Algoritma ini mengkombinasikan kedua algoritma di atas (supervised dan unsupervised), dimana sampel-sampel input yang diberikan ada yang berlabel dan ada yang tidak berlabel. Algoritma ini membangkitkan suatu fungsi yang tepat berdasarkan semua input yang diberikan.

REINFORCEMENT LEARNING

Algoritma ini mempelajari suatu kebijakan bagaimana melakukan aksi berdasarkan pengamatan terhdap lingkungan yang ada, Setiap aksi menghasilkan akibat bagi lingkungan tersebut, dan lingkungan tersebut memberikan umpan balik (feedback) untuk memandu algoritma tersebut. Yang termasuk dalam golongan ini adalah :

  • Metode SARSA (State-Action-Reward-State-Action)
  • Metode Q-Learning

TRANSDUCTION

Mirip dengan supervised learning, tetapi tidak secara eskplisit membangun suatu fungsi. Algoritma inin justru berlatih memprediksi output baru berdasarkan training input, training output, dan testing input yang tersedia selama proses pembelajaran.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *