Coretan Santri Gabut

Pada artikel sebelumnya, kita telah mempelajari bahwa supervised learning adalah jenis machine learning yang dilatih model dan akurasinya dengan dataset yang sudah diketahui ketepatan outputnya. Nah, pada post kali ini aku bakal sedikit jelasin mengenai supervised learning. Sebelum lebih jauh, mari kita bahas lagi cara penyelesaian supervised learning. Pada dasarnya, masalah pada supervised learning dibagi menjadi dua,  yakni data kontinu serta diskrit. Dari data itu lah, nantinya kita bisa menentukan metode apa yangf tepat untuk kita gunakan dalam machine learning kita. Mari kita bahas satu persatu.  1) Data Kontinu (Regression Problem) Data berjenis kontinu adalah data yang memiliki nilai kontinu. Nilai kontinu adalah nilai yang didapat dari suatu pengukuran, dan nilainya merupakan sebuah nilai antara dua titik. Ciri dari data kontinu adalah tiap nilainya memiliki kesinambungan dengan nilai lainnya. Contoh dari data kontinu adalah skor tes, harga rumah, luas rumah, luas hala...

Pengertian Machine Learning Sebelum kita belajar tentang ML atau machine learning lebih jauh,  ada baiknya kita belajar mengenai pengertian atau terminologinya lebih jauh. Ada sebuah terminologi yang aku pelajari dari Arthur Samuel mengenai ML. Menerut beliau, Ml adalah bidang studi yang memberi jalan pada komputer untuk memiliki kemampuan belajartanpa perlu diprogram secara eksplisit. Ada sebuah definisi dari ML yang lebih modern dari Tom Mitchell, yakni "sebuah program komputer yang dikatakan belajar dari pengalaman E dengan menghargai beberapa kelas tugas T dan perhitungan performa P. Di mana performanya dalam mengerjakan tugas T, dihitung dalam P, dan ditingkatkan melalui pengalaman E." Agar mudah memahaminya, kuberi sebuah analogi dalam bermain catur. Misalnya pada kasus bermain catur, E adalah pengalaman dalam bermain catur. T adalah tugas dalam permainan catur. P adalah propabilitas program memanangkan catur. Lebih lanjut, secara umum machine learning diklasifikasikan ...

Sebagian kita mungkin mengenal python sebagai salah satu bahasa pemrograman yang dapat digunakan untuk mengolah data. Salah satu module yang cukup umum ialah Pandas. Namun, sedikit dari kita menyadari pentingnya membersihkan data sebelum digunakan.  Sebelum masuk ke Pemrosesan mari kita nikmati sebuah meme dari reddit: gambar 1.0 Data yang diolah tidak selalu bersih. Pada beberapa kasus terdapat data unknown atau data yang keluar dari batas wajar dan tidak sesuai mengikuti aturan di dunia nyata. Misal juamlah kuantitas belanja yang mencapai puluhan ribu pada sekali check out atau kuantitas yang nilainya lebih kecil dari satu. Oleh karena itu, diperlukan pembersihan dataset dari data yang rusak atau kotor. Banyak metode yang dapat dilakukan untuk menormalisasi data, di antaranya mengantinya dengan modus, rata-rata, median, atau menghapusnya. Pada kasus ini, penulis menggunakan teknik dropping atau menghapus data yang rusak atau tak sesuai denagn method .drop(). Sebelum member...