Pembelajaran yang diawasi dan tidak diawasi adalah dua jenis paradigma pembelajaran mesin mendasar yang memiliki tujuan berbeda berdasarkan sifat data dan tujuan tugas yang ada. Memahami kapan harus menggunakan pelatihan yang diawasi versus pelatihan tanpa pengawasan sangat penting dalam merancang model pembelajaran mesin yang efektif. Pilihan antara kedua pendekatan ini bergantung pada ketersediaan data berlabel, hasil yang diinginkan, dan struktur dasar kumpulan data.
Pembelajaran yang diawasi adalah jenis pembelajaran mesin yang modelnya dilatih pada kumpulan data berlabel. Dalam pembelajaran yang diawasi, algoritme belajar memetakan data masukan ke keluaran yang benar dengan disajikan contoh pelatihan. Contoh pelatihan ini terdiri dari pasangan input-output, dimana data input disertai dengan output atau nilai target yang sesuai. Tujuan dari pembelajaran terbimbing adalah mempelajari fungsi pemetaan dari variabel masukan ke variabel keluaran, yang kemudian dapat digunakan untuk membuat prediksi pada data yang tidak terlihat.
Pembelajaran yang diawasi biasanya digunakan ketika keluaran yang diinginkan diketahui dan tujuannya adalah untuk mempelajari hubungan antara variabel masukan dan keluaran. Ini biasanya diterapkan dalam tugas-tugas seperti klasifikasi, yang tujuannya adalah untuk memprediksi label kelas dari instance baru, dan regresi, yang tujuannya adalah untuk memprediksi nilai berkelanjutan. Misalnya, dalam skenario pembelajaran yang diawasi, Anda dapat melatih model untuk memprediksi apakah suatu email adalah spam atau bukan berdasarkan konten email dan status berlabel spam/non-spam pada email sebelumnya.
Di sisi lain, pembelajaran tanpa pengawasan adalah jenis pembelajaran mesin yang modelnya dilatih pada kumpulan data yang tidak berlabel. Dalam pembelajaran tanpa pengawasan, algoritme mempelajari pola dan struktur dari data masukan tanpa umpan balik eksplisit pada keluaran yang benar. Tujuan dari pembelajaran tanpa pengawasan adalah untuk mengeksplorasi struktur dasar data, menemukan pola tersembunyi, dan mengekstrak wawasan yang bermakna tanpa memerlukan data yang diberi label.
Pembelajaran tanpa pengawasan biasanya digunakan ketika tujuannya adalah untuk mengeksplorasi data, menemukan pola tersembunyi, dan mengelompokkan titik data serupa. Hal ini sering diterapkan dalam tugas-tugas seperti pengelompokan, yang tujuannya adalah mengelompokkan titik data serupa ke dalam kelompok berdasarkan fiturnya, dan reduksi dimensi, yang tujuannya adalah mengurangi jumlah fitur sambil mempertahankan informasi penting dalam data. Misalnya, dalam skenario pembelajaran tanpa pengawasan, Anda dapat menggunakan pengelompokan untuk mengelompokkan pelanggan berdasarkan perilaku pembelian mereka tanpa pengetahuan sebelumnya tentang segmen pelanggan.
Pilihan antara pembelajaran yang diawasi dan tidak diawasi bergantung pada beberapa faktor. Jika Anda memiliki kumpulan data berlabel dan ingin memprediksi hasil tertentu, pembelajaran yang diawasi adalah pilihan yang tepat. Di sisi lain, jika Anda memiliki kumpulan data yang tidak berlabel dan ingin menjelajahi struktur data atau menemukan pola tersembunyi, pembelajaran tanpa pengawasan lebih cocok. Dalam beberapa kasus, kombinasi teknik yang diawasi dan tidak diawasi, yang dikenal sebagai pembelajaran semi-supervisi, dapat digunakan untuk memanfaatkan manfaat dari kedua pendekatan tersebut.
Keputusan untuk menggunakan pelatihan yang diawasi versus pelatihan tanpa pengawasan dalam pembelajaran mesin bergantung pada ketersediaan data berlabel, sifat tugas, dan hasil yang diinginkan. Memahami perbedaan antara pembelajaran yang diawasi dan tidak diawasi sangat penting untuk merancang model pembelajaran mesin yang efektif yang dapat mengekstrak wawasan bermakna dan membuat prediksi akurat dari data.
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)