Pembelajaran Mesin Dea Andini Andriati, S.Kom., M.M.S.I Supervised Learning supervised learning adalah pembelajaran terarah/terawasi
Artinya, pada pembelajaran ini, ada guru yang mengajar
(mengarahkan) dan siswa yang diajar. Kita disini berperan sebagai guru, ke- mudian mesin berperan sebagai siswa Pada Gambar berikut seorang guru menuliskan angka di papan “8, 6, 2” Contoh angka melambangkan input, sebagai contoh untuk siswanya, kemudian cara membaca kemudian gurunya memberikan cara melambangkan desired output mem- baca yang benar untuk masing- (sering dise- but “gold standard ”). masing angka Pasangan input–desired output ini disebut sebagai instance (untuk kasus supervised learning). Tujuan supervised learning, secara umum untuk melakukan klasifikasi (classification). Misalkan mengklasifikasikan gambar buah (apa nama buah pada gambar)
Apabila hanya ada dua kate- gori, disebut binary
classification. Sedangkan bila terdapat lebih dari dua kategori, disebut multi-class classification. Contoh multi-class classification adalah mengklasifikasikan gambar buah ke dalam himpunan kelas: apel, mangga atau sirsak.
Ada tipe klasifikasi lain disebut multi-label
classification yaitu ketika kita ingin mengklasifikasikan suatu sampel ke dalam suatu himpunan kelas Pada multi-class classification, suatu sampel hanya bisa berkorespondensi dengan satu kelas.
Sedangkan pada multi-label classification, satu sampel da- pat
berkorespondensi dengan lebih dari satu kelas Semi-Supervised Learning
Pada supervised learning,
ada “guru” yang harus mem- buat “kunci jawaban” input-output. Sedangkan Kunci jawaban ini dapat pada semi-supervised diperoleh secara otomatis Semi-supervised learning learning tidak ada “kunci (misal dari hasil clustering ). mirip dengan supervised jawaban” eksplisit yang Pada kate- gori learning, bedanya pada harus dibuat guru pembelajaran ini, umumnya proses pelabelan data kita hanya memiliki sedikit data Unsupervised Learning Jika pada supervised learning ada guru yang mengajar, maka pada unsupervised learning tidak ada guru yang mengajar
Contoh permasalahan unsupervised
learning adalah clustering
Diilustrasikan oleh Gambar diatas, Yang dilakukan
adalah membuat kelompok-kelompok berdasarkan karak- teristik kue, misal kelompok kue biru, kelompok kue kuning, atau kelompok kue merah. Perhatikan Gambar 1 dan Gambar 2! Berbeda dengan supervised learning yang memiliki desired output, pada unsupervised learning tidak ada desired output (jelas, tidak ada gurunya, tidak ada yang memberi contoh).
Gambar 1. Unsupervised learning framework
Clustering adalah salah satu bentuk
unsupervised learning; yaitu salah satu hasil inferensi per- samaan.
Unsupervised learning adalah mencari sifat-sifat
(properties) data. Gambar 2. Generalization error of unsupervised learning Pada supervised maupun unsupervised learning, kita ingin mengestimasi sesuatu dengan teknik machine learning.
Kinerja model pembelajaran berubah-ubah sesuai
dengan parameter w (parameter pembelajaran) untuk mengoptimalkan suatu fungsi tujuan
Kinerja model diukur oleh fungsi tujuan (utility
function–saat latihan, performance measure saat melakukan prediksi), yaitu mengoptimalkan nilai fungsi tertentu; misalnya meminimalkan nilai error. Thank You