PRAKTIKUM_MACHINE_LEARNING_F5A2/README.md

#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)