Apa itu Pembelajaran Mesin?

Pembelajaran mesin adalah salah satu bidang teknologi yang tumbuh paling cepat, tetapi meskipun kata-kata “pembelajaran mesin” sering digunakan, itu dapat sulit untuk memahami apa itu pembelajaran mesin, secara tepat.

Pembelajaran mesin tidak merujuk pada satu hal saja, itu adalah istilah payung yang dapat diterapkan pada banyak konsep dan teknik yang berbeda. Memahami pembelajaran mesin berarti familiar dengan berbagai bentuk analisis model, variabel, dan algoritma. Mari kita lihat lebih dekat pembelajaran mesin untuk memahami apa yang dimaksud.

Apa itu Pembelajaran Mesin?

Sementara istilah pembelajaran mesin dapat diterapkan pada banyak hal, secara umum, istilah tersebut merujuk pada kemampuan komputer untuk melakukan tugas tanpa menerima instruksi baris per baris yang eksplisit untuk melakukannya. Spesialis pembelajaran mesin tidak perlu menulis semua langkah yang diperlukan untuk memecahkan masalah karena komputer dapat “belajar” dengan menganalisis pola dalam data dan menggeneralisasi pola tersebut ke data baru.

Sistem pembelajaran mesin memiliki tiga bagian dasar:

• Input
• Algoritma
• Output

Input adalah data yang dimasukkan ke dalam sistem pembelajaran mesin, dan data input dapat dibagi menjadi label dan fitur. Fitur adalah variabel yang relevan, variabel yang akan dianalisis untuk mempelajari pola dan mengambil kesimpulan. Sementara itu, label adalah kelas/deskripsi yang diberikan pada contoh data individual.

Fitur dan label dapat digunakan dalam dua jenis masalah pembelajaran mesin: pembelajaran terawasi dan pembelajaran tidak terawasi.

Pembelajaran Tidak Terawasi vs. Pembelajaran Terawasi

Dalam pembelajaran terawasi, data input disertai dengan kebenaran dasar. Masalah pembelajaran terawasi memiliki nilai output yang benar sebagai bagian dari dataset, sehingga kelas yang diharapkan sudah diketahui sebelumnya. Ini memungkinkan ilmuwan data untuk memeriksa kinerja algoritma dengan menguji data pada dataset uji dan melihat persentase item yang diklasifikasikan dengan benar.

Sebaliknya, pembelajaran tidak terawasi tidak memiliki label kebenaran dasar yang melekat padanya. Algoritma pembelajaran mesin yang dilatih untuk melakukan tugas pembelajaran tidak terawasi harus dapat menginfer pola yang relevan dalam data untuk dirinya sendiri.

Algoritma pembelajaran terawasi biasanya digunakan untuk masalah klasifikasi, di mana satu memiliki dataset besar yang diisi dengan contoh yang harus disortir ke dalam salah satu dari banyak kelas yang berbeda. Jenis lain dari pembelajaran terawasi adalah tugas regresi, di mana nilai output yang dihasilkan oleh algoritma adalah kontinu dalam sifatnya, bukan kategoris.

Sementara itu, algoritma pembelajaran tidak terawasi digunakan untuk tugas seperti estimasi kepadatan, pengelompokan, dan pembelajaran representasi. Ketiga tugas ini memerlukan model pembelajaran mesin untuk menginfer struktur data, tidak ada kelas yang telah ditentukan sebelumnya yang diberikan kepada model.

Mari kita lihat beberapa algoritma yang paling umum digunakan dalam pembelajaran tidak terawasi dan pembelajaran terawasi.

Jenis Pembelajaran Terawasi

Algoritma pembelajaran terawasi yang umum termasuk:

• Naive Bayes
• Support Vector Machines
• Regresi Logistik
• Hutan Acak
• Jaringan Saraf Tiruan

Support Vector Machines adalah algoritma yang membagi dataset menjadi kelas yang berbeda. Titik data dikelompokkan ke dalam klaster oleh menggambar garis yang memisahkan kelas dari satu sama lain. Titik yang ditemukan di satu sisi garis akan termasuk dalam satu kelas, sementara titik di sisi lain garis adalah kelas yang berbeda. Support Vector Machines bertujuan untuk memaksimalkan jarak antara garis dan titik yang ditemukan di kedua sisi garis, dan jarak yang lebih besar membuat klasifikasi lebih percaya diri bahwa titik tersebut termasuk dalam satu kelas dan tidak dalam kelas lain.

Regresi Logistik adalah algoritma yang digunakan dalam tugas klasifikasi biner ketika titik data perlu diklasifikasikan sebagai termasuk dalam salah satu dari dua kelas. Regresi Logistik bekerja dengan memberi label titik data sebagai 1 atau 0. Jika nilai yang dipersepsikan dari titik data adalah 0,49 atau lebih rendah, maka diklasifikasikan sebagai 0, sementara jika nilai tersebut adalah 0,5 atau lebih tinggi, maka diklasifikasikan sebagai 1.

Algoritma Pohon Keputusan bekerja dengan membagi dataset menjadi fragmen yang lebih kecil. Kriteria yang digunakan untuk membagi data bergantung pada insinyur pembelajaran mesin, tetapi tujuannya adalah untuk membagi data menjadi titik data tunggal, yang kemudian akan diklasifikasikan menggunakan kunci.

Algoritma Hutan Acak pada dasarnya adalah banyak klasifikasi Pohon Keputusan tunggal yang dihubungkan menjadi klasifikasi yang lebih kuat.

Klasifikasi Naive Bayes menghitung probabilitas bahwa titik data tertentu telah terjadi berdasarkan probabilitas kejadian sebelumnya. Ini didasarkan pada Teorema Bayes dan memasukkan titik data ke dalam kelas berdasarkan probabilitas yang dihitung. Ketika menerapkan klasifikasi Naive Bayes, diasumsikan bahwa semua prediktor memiliki pengaruh yang sama pada hasil kelas.

Jaringan Saraf Tiruan, atau multilayer perceptron, adalah algoritma pembelajaran mesin yang terinspirasi oleh struktur dan fungsi otak manusia. Jaringan saraf tiruan mendapatkan namanya dari kenyataan bahwa mereka terdiri dari banyak node/neuron yang dihubungkan bersama. Setiap neuron memanipulasi data dengan fungsi matematika. Dalam jaringan saraf tiruan, ada lapisan input, lapisan tersembunyi, dan lapisan output.

Lapisan tersembunyi dari jaringan saraf tiruan adalah tempat di mana data sebenarnya diinterpretasikan dan dianalisis untuk pola. Dengan kata lain, itu adalah tempat di mana algoritma belajar. Lebih banyak neuron yang dihubungkan bersama membuat jaringan yang lebih kompleks yang mampu mempelajari pola yang lebih kompleks.

Jenis Pembelajaran Tidak Terawasi

Algoritma pembelajaran tidak terawasi termasuk:

• Klasterisasi K-Means
• Autoencoder
• Analisis Komponen Utama

Klasterisasi K-Means adalah teknik klasifikasi tidak terawasi, dan bekerja dengan memisahkan titik data menjadi klaster atau kelompok berdasarkan fitur. Klasterisasi K-Means menganalisis fitur yang ditemukan dalam titik data dan membedakan pola dalam fitur yang membuat titik data dalam satu klaster lebih mirip satu sama lain daripada dengan titik data dalam klaster lain. Ini dilakukan dengan menempatkan pusat klaster yang mungkin, atau sentroid, dalam grafik data dan mengubah posisi sentroid sampai posisi ditemukan yang meminimalkan jarak antara sentroid dan titik yang termasuk dalam klaster sentroid tersebut. Peneliti dapat menentukan jumlah klaster yang diinginkan.

Analisis Komponen Utama adalah teknik yang mengurangi jumlah fitur/variabel yang besar menjadi ruang fitur yang lebih kecil. “Komponen utama” dari titik data dipilih untuk dipertahankan, sementara fitur lainnya dikompresi menjadi representasi yang lebih kecil. Hubungan antara bagian data asli dipertahankan, tetapi karena kompleksitas titik data lebih sederhana, data lebih mudah untuk dikuantifikasi dan dijelaskan.

Autoencoder adalah versi jaringan saraf tiruan yang dapat diterapkan pada tugas pembelajaran tidak terawasi. Autoencoder dapat mengambil data yang tidak berlabel dan mengubahnya menjadi data yang dapat digunakan oleh jaringan saraf tiruan, secara efektif membuat data pelatihan yang berlabel sendiri. Tujuan autoencoder adalah untuk mengubah data input dan membangunnya kembali seakurat mungkin, sehingga ada insentif bagi jaringan untuk menentukan fitur mana yang paling penting dan mengekstraknya.