Terminologi ML
Terminologi Pembelajaran Mesin Utama adalah:
- Hubungan
- Label
- Fitur
- model
- Pelatihan
- Kesimpulan
Hubungan
Sistem pembelajaran mesin menggunakan Hubungan antara Input untuk menghasilkan Prediksi .
Dalam aljabar, suatu hubungan sering ditulis sebagai y = ax + b :
- y adalah label yang ingin kita prediksi
- a adalah kemiringan garis
- x adalah nilai input
- b adalah intersep
Dengan ML, hubungan ditulis sebagai y = b + wx :
- y adalah label yang ingin kita prediksi
- w adalah berat (kemiringan)
- x adalah fitur (nilai input)
- b adalah intersep
Label Pembelajaran Mesin
Dalam terminologi Machine Learning, label adalah hal yang ingin kita prediksi .
Ini seperti y dalam grafik linier:
Aljabar | Pembelajaran mesin |
y = kapak + b | y = b + wx |
Fitur Pembelajaran Mesin
Dalam terminologi Machine Learning, fitur adalah input .
Mereka seperti nilai x dalam grafik linier:
Aljabar | Pembelajaran mesin |
y = a x + b | y = b + w x |
Terkadang ada banyak fitur (nilai input) dengan bobot berbeda:
y = b + w1x1 + w2x2 + w3x3 + w4x4 _ _ _ _ _
Model Pembelajaran Mesin
Sebuah Model mendefinisikan hubungan antara label (y) dan fitur (x).
Ada tiga fase dalam kehidupan seorang model:
- Pengumpulan data
- Pelatihan
- Kesimpulan
Pelatihan Pembelajaran Mesin
Tujuan dari pelatihan adalah untuk membuat model yang dapat menjawab pertanyaan. Seperti apa harga rumah yang diharapkan?
Inferensi Pembelajaran Mesin
Inferensi adalah ketika model yang dilatih digunakan untuk menyimpulkan (memprediksi) nilai menggunakan data langsung. Seperti memasukkan model ke dalam produksi.