KELOMPOK …
Identitas Kelompok
Nama - : Nurazimah - 4195050001
NIM
Trivena Sari Sihaloho - 4193550038
Mhd. Husairi - 4193550016
Muhammad Ihsan HSB. 4193550028
Ada beberapa hal penting yang harus kita pahami saat mempelajari dan
menggunakan algoritma SVM, yaitu hyperplanes dan support vector.
Keunikan SVM
Algoritma lain kebanyakan melakukan pemisahan berdasarkan pola rata-rata
data yang ada. Sedangkan SVM melakukan klasifikasi berdasarkan titik data
yang mirip tetapi berbeda kelas.
Misal, dalam task klasifikasi jeruk vs apel.
Kebanyakan algoritma akan menghitung dan membedakan berdasarkan titik-
titik data “apel yang sangat apel” vs “jeruk yang sangat jeruk”.
Sedangkan SVM akan menghitung dan membedakan berdasarkan titik-titik
data “apel yang paling mirip jeruk” vs “jeruk yang paling mirip apel”.
Jenis-jenis SVM
Simple SVM atau biasa juga disebut SVM (saja) biasanya digunakan untuk
melakukan regresi linier dan masalah dengan tujuan klasifikasi.
Kernel SVM memiliki logika yang sama dengan SVM. Perbedaannya adalah
bahwa pada kernel SVM, algoritma melakukan pemetaan data berdasarkan
fungsi kernel tertentu.
Linear SVR
Untuk lebih memahami linear SVR, kita bandingkan dengan metode regresi
linear sederhana.
Lihat ilustrasi di bawah ini.
Berikut penjelasannya:
Pada linear SVR, pengukuran regresi tidak menggunakan garis, melainkan
menggunakan “tube”, yang disebut dengan Epsilon Insensitive Tube.
Tube ini merupakan margin of error yang dizinkan oleh model.
Di sini error dihitung dengan menghitung jarak titik-titik yang berada di luar
tube ke batas tube.
Sedangkan titik-titik yang berada di dalam tube errornya diabaikan.
Ini berbeda dengan regresi linear, di mana error dihitung pada setiap titik data
dengan menghitung jarak kuadratnya ke garis regresi.
Rekayasa Ide
Judul :
Artikel
Permasala :
han yang
akan
diselesaika
n