33 lines
1.1 KiB
Markdown
33 lines
1.1 KiB
Markdown
#PRAKTIKUM MACHINE LEARNING
|
|
|
|
Classification (Klasifikasi)
|
|
Bertujuan Memprediksi label/kategori dari sebuah data. Klasifikasi digunakan ketika hasil yang ingin diprediksi berbentuk kelas diskrit (kategori), bukan angka berkelanjutan.
|
|
|
|
Ciri-ciri Classification:
|
|
- Output berupa kategori
|
|
- Menghasilkan jawaban seperti: A atau B, ya atau tidak, atau kelas tertentu
|
|
- Cocok untuk kasus pengambilan keputusan
|
|
|
|
Algoritma umum Classification:
|
|
- Logistic Regression
|
|
- Decision Tree
|
|
- Random Forest
|
|
- Support Vector Machine
|
|
- K-Nearest Neighbors
|
|
- Naive Bayes
|
|
- Neural Network (untuk deep learning)
|
|
|
|
Regression (Regresi)
|
|
Bertujuan Memprediksi nilai numerik (angka berkelanjutan), bukan kategori. Regresi digunakan ketika output yang diprediksi berupa nilai kontinu.
|
|
|
|
Ciri-ciri Regression:
|
|
- Output berupa angka kontinu, misalnya 13.5, 20000, 0.89
|
|
- Cenderung digunakan untuk perhitungan dan peramalan
|
|
|
|
Algoritma umum Regression:
|
|
- Linear Regression
|
|
- Polynomial Regression
|
|
- Support Vector Regression
|
|
- Random Forest Regressor
|
|
- Gradient Boosting Regressor
|
|
- Neural Network (untuk regresi) |