Pembelajaran yang diawasi, tidak diawasi, dan penguatan adalah tiga pendekatan berbeda dalam bidang pembelajaran mesin. Setiap pendekatan menggunakan teknik dan algoritma yang berbeda untuk mengatasi berbagai jenis masalah dan mencapai tujuan tertentu. Mari kita jelajahi perbedaan antara pendekatan-pendekatan ini dan berikan penjelasan komprehensif tentang karakteristik dan penerapannya.
Pembelajaran yang diawasi adalah jenis pembelajaran mesin di mana algoritme belajar dari data berlabel. Data berlabel terdiri dari contoh masukan yang dipasangkan dengan keluaran atau nilai target yang sesuai. Tujuan pembelajaran yang diawasi adalah untuk melatih model yang dapat secara akurat memprediksi keluaran untuk masukan baru yang tidak terlihat. Algoritme pembelajaran menggunakan data berlabel untuk menyimpulkan pola dan hubungan antara fitur masukan dan label keluaran. Ia kemudian menggeneralisasi pengetahuan ini untuk membuat prediksi pada data baru yang tidak berlabel. Pembelajaran yang diawasi biasanya digunakan dalam tugas-tugas seperti klasifikasi dan regresi.
Misalnya, dalam masalah klasifikasi, algoritme dilatih pada kumpulan data yang setiap titik datanya diberi label dengan kelas tertentu. Algoritme belajar mengklasifikasikan titik data baru yang belum terlihat ke dalam salah satu kelas yang telah ditentukan berdasarkan pola yang telah dipelajari dari contoh yang diberi label. Dalam masalah regresi, algoritme belajar memprediksi nilai numerik kontinu berdasarkan fitur masukan.
Sebaliknya, pembelajaran tanpa pengawasan berkaitan dengan data yang tidak diberi label. Tujuan dari pembelajaran tanpa pengawasan adalah untuk menemukan pola, struktur, atau hubungan tersembunyi di dalam data tanpa pengetahuan sebelumnya tentang label keluaran. Berbeda dengan pembelajaran yang diawasi, algoritma pembelajaran tanpa pengawasan tidak memiliki nilai target yang jelas untuk memandu proses pembelajaran. Sebaliknya, mereka fokus pada menemukan representasi atau cluster yang bermakna dalam data. Pembelajaran tanpa pengawasan biasanya digunakan dalam tugas-tugas seperti pengelompokan, pengurangan dimensi, dan deteksi anomali.
Pengelompokan adalah aplikasi pembelajaran tanpa pengawasan yang populer, di mana algoritme mengelompokkan titik data serupa berdasarkan properti intrinsiknya. Misalnya, dalam segmentasi pelanggan, algoritme pembelajaran tanpa pengawasan dapat digunakan untuk mengidentifikasi kelompok pelanggan yang berbeda berdasarkan perilaku pembelian atau informasi demografis mereka.
Pembelajaran penguatan adalah paradigma berbeda di mana agen belajar berinteraksi dengan lingkungan untuk memaksimalkan sinyal penghargaan kumulatif. Dalam pembelajaran penguatan, algoritme belajar melalui proses coba-coba dengan melakukan tindakan, mengamati keadaan lingkungan, dan menerima umpan balik berupa imbalan atau penalti. Tujuannya adalah untuk menemukan kebijakan atau serangkaian tindakan optimal yang memaksimalkan manfaat jangka panjang. Pembelajaran penguatan biasanya digunakan dalam tugas-tugas seperti bermain game, robotika, dan sistem otonom.
Misalnya, dalam permainan catur, agen pembelajaran penguatan dapat belajar bermain dengan mengeksplorasi berbagai gerakan, menerima hadiah atau penalti berdasarkan hasil setiap gerakan, dan menyesuaikan strateginya untuk memaksimalkan peluang menang.
Pembelajaran yang diawasi menggunakan data berlabel untuk melatih model untuk tugas prediksi, pembelajaran tanpa pengawasan menemukan pola dan struktur dalam data yang tidak berlabel, dan pembelajaran penguatan belajar melalui interaksi dengan lingkungan untuk memaksimalkan sinyal penghargaan. Masing-masing pendekatan mempunyai kekuatan dan kelemahannya masing-masing dan cocok untuk berbagai jenis masalah dan aplikasi.
Pertanyaan dan jawaban terbaru lainnya tentang Pembelajaran Mesin Google Cloud EITC/AI/GCML:
- Apa itu Text to Speech (TTS) dan bagaimana cara kerjanya dengan AI?
- Apa saja batasan dalam bekerja dengan kumpulan data besar dalam pembelajaran mesin?
- Bisakah pembelajaran mesin memberikan bantuan dialogis?
- Apa yang dimaksud dengan taman bermain TensorFlow?
- Apa sebenarnya arti kumpulan data yang lebih besar?
- Apa saja contoh hyperparameter algoritma?
- Apa itu pembelajaran ansambel?
- Bagaimana jika algoritme pembelajaran mesin yang dipilih tidak sesuai dan bagaimana cara memastikan bahwa algoritme tersebut dipilih dengan benar?
- Apakah model pembelajaran mesin memerlukan pengawasan selama pelatihannya?
- Apa parameter kunci yang digunakan dalam algoritma berbasis jaringan saraf?
Lihat pertanyaan dan jawaban lainnya di EITC/AI/GCML Google Cloud Machine Learning
Lebih banyak pertanyaan dan jawaban:
- Bidang: Kecerdasan Buatan
- Program: Pembelajaran Mesin Google Cloud EITC/AI/GCML (pergi ke program sertifikasi)
- Pelajaran: Pengantar (pergi ke pelajaran terkait)
- Topik: Apa itu pembelajaran mesin (pergi ke topik terkait)