Pembelajaran mesin adalah jenis kecerdasan buatan (AI) yang secara bertahap meningkatkan akurasinya dengan berfokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar. Mengapa kami menggunakan algoritma pembelajaran mesin? Ketika jumlah fitur bertambah, ketertelusuran fitur-fitur ini dan kemampuan adaptasinya terhadap beberapa masalah mungkin tidak dapat dilakukan. Itu sebabnya kami menggunakan algoritma pembelajaran mesin.
Ada berbagai jenis pembelajaran mesin.
Pembelajaran yang Diawasi: Dalam jenis pembelajaran mesin ini, kita mengetahui kumpulan data kita dan keluaran yang diinginkan dari data tersebut. Dengan kata lain, kita memiliki label (variabel terikat) di dataset.
Masalah pembelajaran yang diawasi dibagi menjadi dua yaitu “regresi” dan “klasifikasi”. Dalam permasalahan regresi, kita mencoba memprediksi hubungan antara variabel terikat dan variabel bebas. Lebih khusus lagi, ini berfokus pada bagaimana variabel terikat berubah seiring dengan perubahan variabel bebas. Dalam masalah klasifikasi, kami mencoba memprediksi hasil dalam keluaran individual. Artinya, kami mencoba untuk menetapkan variabel independen ke kategori terpisah.
Misalnya:
Regresi: Memperkirakan pengaruh belanja iklan perusahaan terhadap penjualannya
Klasifikasi: Memisahkan email masuk sebagai spam dan non-spam
Pembelajaran Tanpa Pengawasan:Pembelajaran tanpa pengawasan adalah pendekatan yang kita gunakan ketika kita memiliki sedikit atau tidak ada gambaran seperti apa keluaran yang kita inginkan dari data kita nantinya. Kita dapat membuat model dari data yang kita tidak mengetahui pengaruh variabelnya. Dalam “pembelajaran tanpa pengawasan” hanya ada data, tidak ada informasi yang diberikan tentangnya. Kita dapat membuat berbagai model dan struktur dengan mengelompokkan data berdasarkan hubungan antar variabel.
Pembelajaran Penguatan:Pembelajaran penguatan adalah pendekatan pembelajaran mesin yang mempelajari apa yang perlu dilakukan untuk mencapai tujuan. Dalam pembelajaran penguatan, mesin pembelajaran kita, yang disebut agen, bereaksi terhadap situasi yang ditemuinya dan menerima sinyal imbalan numerik sebagai imbalannya. Mesin agen/pelajar mencoba memaksimalkan poin reward yang diterimanya. Metode coba-coba yang bekerja dengan cara ini adalah ciri paling khas dari pembelajaran penguatan.
