Machine Learning

 Machine Learning Process

Data collection>>Data Cleansing>>Fitur Extraction dan selection>>Model Training>>Model Evaluation>>Model Deployment dan Intergration

Basic Machine Learning Concept-Dataset

  • Data Set: Keseluruhan data.
  • Training set: Proses dalam membuat model, dan merupakan bagian dari data set.
  • Test set: Evaluasi sebuah model. Data testing didapat dari data set.
Importance of Data Processing
(Data Cleansing)>>(Data prepocessing)>>(Data Normalization)

  • Data Cleansing
  1. Sebagian besar data yang dikumpulkan, maka harus melewati data cleansing terlebih dahulu melalui:
  • Data filtering
  • Processing of lost data
  • Processing of Possible execptions error
  • Combination data
  • Collecting data

  • Dirty data
  1. Data asli biasanya memiliki beberapa masalah didalamnya.
  • Data Conversion
  1. Data di encode dan dikonversi, agar komputer mengerti dan memahami maksud dari kalimat yang diberikan
  • Necessary of Feature Selection
  1. Melakukan seleksi, ketika mau menyederhanakan sebuah model
  2. jika fitur yang dimiliki banyak, maka training yang dilakukan dengan menurunkan waktu training.
Feature Selection Methods-Filter
  • Dengan memberikan sebuah filter dalam menyeleksi fitur.
Overall Procedure of Building a Model
  • Data splitting
  • Model training
  • Model Verification
Classification
  • Akurasi dan tingkat rekognasi: TP+TN/P+N
  • Tingkat error dan missclassification rate: FP+FN/P+N
  • Sensitivitas, true positive rate and recall: TP/P
  • Specificity and true negative rate: TN/N
  • Precision: TP/TP+FP

Komentar

Postingan populer dari blog ini

PENGAKUAN IMAN RASULI dalam Bahasa Karo dan Bahasa Indonesia.

SEPULUH PEDAH DIBATA ras AYAT PEMASU-MASUN

Jenis Kabel di Terminal Pelanggan.......