{"id":1232,"date":"2023-07-27T05:07:18","date_gmt":"2023-07-27T05:07:18","guid":{"rendered":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/"},"modified":"2023-07-27T05:07:18","modified_gmt":"2023-07-27T05:07:18","slug":"meningkatkan-pembelajaran-mesin","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/","title":{"rendered":"Pengenalan sederhana untuk meningkatkan pembelajaran mesin"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Sebagian besar <a href=\"https:\/\/statorials.org\/id\/pembelajaran-yang-diawasi-vs.-tanpa-pengawasan\/\" target=\"_blank\" rel=\"noopener noreferrer\">algoritme pembelajaran mesin yang diawasi<\/a> didasarkan pada penggunaan model prediktif tunggal seperti <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda\/\" target=\"_blank\" rel=\"noopener noreferrer\">regresi linier<\/a> , <a href=\"https:\/\/statorials.org\/id\/regresi-logistik-1\/\" target=\"_blank\" rel=\"noopener noreferrer\">regresi logistik<\/a> , <a href=\"https:\/\/statorials.org\/id\/regresi-punggungan\/\" target=\"_blank\" rel=\"noopener noreferrer\">regresi ridge<\/a> , dll.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, metode seperti <a href=\"https:\/\/statorials.org\/id\/pembelajaran-mesin-mengantongi\/\" target=\"_blank\" rel=\"noopener noreferrer\">bagging<\/a> dan random forest membangun banyak model berbeda berdasarkan sampel bootstrap berulang dari kumpulan data asli. Prediksi terhadap data baru dibuat dengan mengambil rata-rata prediksi yang dibuat oleh masing-masing model.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Metode-metode ini cenderung menawarkan peningkatan akurasi prediksi dibandingkan metode yang hanya menggunakan satu model prediksi karena menggunakan proses berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Pertama, bangun model individual dengan <a href=\"https:\/\/statorials.org\/id\/kompromi-varians-bias\/\" target=\"_blank\" rel=\"noopener noreferrer\">varian tinggi dan bias rendah<\/a> (misalnya, <a href=\"https:\/\/statorials.org\/id\/pohon-klasifikasi-dan-regresi\/\" target=\"_blank\" rel=\"noopener noreferrer\">pohon keputusan<\/a> yang dikembangkan secara mendalam).<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kemudian, buat rata-rata prediksi yang dibuat oleh masing-masing model untuk mengurangi varians.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Metode lain yang cenderung menawarkan peningkatan akurasi prediksi yang lebih besar dikenal sebagai <strong>boosting<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Apa itu Peningkatan?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Peningkatan adalah metode yang dapat digunakan dengan semua jenis model, namun paling sering digunakan dengan pohon keputusan.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ide di balik peningkatan ini sederhana:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Pertama, bangun model yang lemah.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Model yang \u201clemah\u201d adalah model yang tingkat kesalahannya hanya sedikit lebih baik daripada perkiraan acak.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Dalam prakteknya, ini biasanya merupakan pohon keputusan dengan hanya satu atau dua divisi.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>2. Selanjutnya, buat model lemah lainnya berdasarkan sisa model sebelumnya.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Dalam praktiknya, kami menggunakan sisa dari model sebelumnya (yaitu kesalahan dalam prediksi kami) untuk menyesuaikan model baru yang sedikit meningkatkan tingkat kesalahan secara keseluruhan.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3. Lanjutkan proses ini hingga validasi silang k-fold meminta kita berhenti.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Dalam praktiknya, kami menggunakan <a href=\"https:\/\/statorials.org\/id\/k-lipat-validasi-silang\/\" target=\"_blank\" rel=\"noopener noreferrer\">validasi silang k-fold<\/a> untuk mengidentifikasi kapan kami harus berhenti mengembangkan model yang ditingkatkan.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dengan menggunakan metode ini, kita dapat memulai dengan model yang lemah dan terus &#8220;meningkatkan&#8221; kinerjanya dengan membangun pohon baru secara berurutan yang meningkatkan kinerja pohon sebelumnya hingga kita mendapatkan model akhir dengan akurasi prediksi yang tinggi.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-12199 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png\" alt=\"Tingkatkan pembelajaran mesin\" width=\"363\" height=\"538\" srcset=\"\" sizes=\"\"><\/p>\n<h3> <strong>Mengapa peningkatan berhasil?<\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Ternyata boosting mampu menghasilkan beberapa model paling kuat di seluruh pembelajaran mesin.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Di banyak industri, model yang ditingkatkan digunakan sebagai model referensi dalam produksi karena model tersebut cenderung mengungguli semua model lainnya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Alasan mengapa templat yang ditingkatkan berfungsi dengan baik adalah karena memahami ide sederhana:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Pertama, model yang ditingkatkan membangun pohon keputusan yang lemah dan memiliki akurasi prediksi yang rendah. Pohon keputusan ini dikatakan memiliki varians yang rendah dan bias yang tinggi.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Karena model yang ditingkatkan mengikuti proses perbaikan berurutan dari pohon keputusan sebelumnya, keseluruhan model mampu mengurangi bias secara perlahan di setiap langkah tanpa meningkatkan varians secara signifikan.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Model akhir yang dipasang cenderung memiliki bias <em>dan<\/em> varians yang cukup rendah, sehingga menghasilkan model yang mampu menghasilkan tingkat kesalahan pengujian yang rendah pada data baru.<\/span><\/p>\n<h3> <strong>Keuntungan dan kerugian dari boosting<\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Keuntungan nyata dari boosting adalah mampu menghasilkan model dengan akurasi prediksi yang tinggi dibandingkan hampir semua jenis model lainnya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kelemahan potensialnya adalah model yang telah diperbaiki dan disesuaikan sangat sulit untuk diinterpretasikan. Meskipun ia menawarkan kemampuan luar biasa untuk memprediksi nilai respons data baru, sulit untuk menjelaskan proses pasti yang digunakannya untuk mencapai hal ini.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam praktiknya, sebagian besar ilmuwan data dan praktisi pembelajaran mesin membuat model yang ditingkatkan karena mereka ingin dapat memprediksi nilai respons data baru secara akurat. Oleh karena itu, fakta bahwa model yang ditingkatkan sulit untuk diinterpretasikan secara umum tidak menjadi masalah.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Penguat dalam praktiknya<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Dalam praktiknya, ada banyak jenis algoritma yang digunakan untuk boosting, antara lain:<\/span><\/p>\n<ul>\n<li> <a href=\"https:\/\/xgboost.readthedocs.io\/en\/latest\/\" target=\"_blank\" rel=\"noopener noreferrer\">XGBoost<\/a><\/li>\n<li> <a href=\"https:\/\/en.wikipedia.org\/wiki\/AdaBoost\" target=\"_blank\" rel=\"noopener noreferrer\">AdaBoost<\/a><\/li>\n<li> <a href=\"https:\/\/catboost.ai\/\" target=\"_blank\" rel=\"noopener noreferrer\">Peningkatan Obrolan<\/a><\/li>\n<li> <a href=\"https:\/\/lightgbm.readthedocs.io\/en\/latest\/\" target=\"_blank\" rel=\"noopener noreferrer\">GBM ringan<\/a><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Bergantung pada ukuran kumpulan data dan kekuatan pemrosesan mesin Anda, salah satu metode berikut mungkin lebih disukai daripada metode lainnya.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Sebagian besar algoritme pembelajaran mesin yang diawasi didasarkan pada penggunaan model prediktif tunggal seperti regresi linier , regresi logistik , regresi ridge , dll. Namun, metode seperti bagging dan random forest membangun banyak model berbeda berdasarkan sampel bootstrap berulang dari kumpulan data asli. Prediksi terhadap data baru dibuat dengan mengambil rata-rata prediksi yang dibuat oleh [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pengantar Sederhana tentang Peningkatan dalam Pembelajaran Mesin - Statorials<\/title>\n<meta name=\"description\" content=\"Tutorial ini memberikan pengenalan singkat tentang boosting, algoritma pemodelan ansambel yang populer dalam pembelajaran mesin.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pengantar Sederhana tentang Peningkatan dalam Pembelajaran Mesin - Statorials\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini memberikan pengenalan singkat tentang boosting, algoritma pemodelan ansambel yang populer dalam pembelajaran mesin.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T05:07:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/\",\"url\":\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/\",\"name\":\"Pengantar Sederhana tentang Peningkatan dalam Pembelajaran Mesin - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T05:07:18+00:00\",\"dateModified\":\"2023-07-27T05:07:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini memberikan pengenalan singkat tentang boosting, algoritma pemodelan ansambel yang populer dalam pembelajaran mesin.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pengenalan sederhana untuk meningkatkan pembelajaran mesin\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pengantar Sederhana tentang Peningkatan dalam Pembelajaran Mesin - Statorials","description":"Tutorial ini memberikan pengenalan singkat tentang boosting, algoritma pemodelan ansambel yang populer dalam pembelajaran mesin.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/","og_locale":"id_ID","og_type":"article","og_title":"Pengantar Sederhana tentang Peningkatan dalam Pembelajaran Mesin - Statorials","og_description":"Tutorial ini memberikan pengenalan singkat tentang boosting, algoritma pemodelan ansambel yang populer dalam pembelajaran mesin.","og_url":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/","og_site_name":"Statorials","article_published_time":"2023-07-27T05:07:18+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/","url":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/","name":"Pengantar Sederhana tentang Peningkatan dalam Pembelajaran Mesin - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T05:07:18+00:00","dateModified":"2023-07-27T05:07:18+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini memberikan pengenalan singkat tentang boosting, algoritma pemodelan ansambel yang populer dalam pembelajaran mesin.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/meningkatkan-pembelajaran-mesin\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Pengenalan sederhana untuk meningkatkan pembelajaran mesin"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1232"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1232"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1232\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1232"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1232"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1232"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}