Langsung ke konten utama

Unggulan

Metric untuk Mengevaluasi Model Machine Learning

  Agar dapat menentukan model mana yang paling baik dari beberapa model yang telah dibuat dalam machine learning dapat menggunakan salah satu teknik yaitu confusion matrix.  Confusion Matrix  Confusion matrix juga sering disebut error matrix. Pada dasarnya confusion matrix memberikan informasi perbandingan hasil klasifikasi yang dilakukan oleh sistem (model) dengan hasil klasifikasi sebenarnya. Confusion matrix berbentuk tabel matriks yang menggambarkan kinerja model klasifikasi pada serangkaian data uji yang nilai sebenarnya diketahui. True Positive (TP)              Merupakan data positif yang diprediksi benar.  True Negative (TN)              Merupakan data negatif yang diprediksi benar.  False Postive (FP) — Type I Error              Merupakan data negatif namun diprediksi sebagai data positif.  False Negative (FN) — Type II Error ...
Posting Komentar
Baca selengkapnya

Machine Learning dengan Pendekatan Reinforcement Learning




Reinforcement Learning

Reinforcement Learning berbeda dengan supervised learning maupun unsupervised learning. Algoritma ini dimaksudkan untuk membuat komputer dapat belajar sendiri dari lingkungan (environtment) melalui sebuah agent. Jadi komputer akan melakukan pencarian sendiri (self discovery) dengan cara berinteraksi dengan environment. Reinforcement learning didefinisikan sebagai metode machine learning yang berkaitan dengan bagaimana agent perangkat lunak harus mengambil action di dalam environment. Reinforcement learning adalah bagian dari metode deep learning yang membantu pengguna memaksimalkan sebagian dari reward kumulatif.

Karakteristik Reinforcement Learning
  • Tidak ada supervisor, hanya ada bilangan real atau reward signal
  • Pengambilan keputusan berurutan
  • Waktu memainkan peran penting dalam masalah reinforcement
  • Feedback balik selalu tertunda, tidak seketika
  • Action dari sebuah agent menentukan data selanjutnya yang diterimanya

Reinforcement Learning Tidak Perlu Data Set?

Ada berbagai dokumentasi yang menyebutkan bahwa reinforcement learning tidak membutuhkan dataset. Pernyataan ini tidak sepenuhnya benar. Bahwa setiap algoritma machine learning memerlukan input untuk dipelajari selama proses training, namun jenis inputnya bisa saja berbeda-beda. Pada reinforcement learning tidak ada kunci jawaban yang diberikan kepada agent ketika harus melakukan tugas tertentu. Jika tidak ada set data pelatihan, ia belajar dari pengalamannya sendiri.

Komentar

Posting Komentar

Postingan Populer