#2 Supervised VS Unsupervised VS Reinforcement ML

Tipe dan karakteristik

https://www.edureka.co/blog/what-is-machine-learning/

Konnichiwa minna san, setelah sebelumnya di bahas tentang Pengenalan Machine Learning, kali ini akan kita coba bahas lebih dalam mengenai sub-kategori Machine Learning. Machine Learning di bagi menjadi 3 sub-kategori, diataranya adalah Supervised Machine Learning, Unsupervised Machine Learning dan Reinforcement Machine Learning. Lebih jelasnya kita bahas dibawah.

Supervised Machine Learning

ALgoritma yang tergolong Supervised Machine Learning digunakan untuk menyelesaikan berbagai persoalan yang berkaitan dengan :

• Classification (Klasifikasi) : Berkaitan dengan output data kategorik seperti apakah berwarna merah atau tidak, apakah cuaca cerah atau mendung, sehat atau sakit.
• Regression (Regresi) : Berkaitan dengan output data continuous seperti panjang, berat, kecepatan

https://towardsdatascience.com/supervised-vs-unsupervised-learning-14f68e32ea8d

Supervised Machine Learning memerlukan sekumpulan data set yang “berpasangan” dimana untuk tiap input variable memiliki output variable. Dataset (D) yang digunakan oleh algoritma Supervised Machine Learning didefinisikan sebagai berikut :

Supervised Machine Learning menggunakan labeled training data (training data set yang sudah diberi label) untuk belajar melakukan mapping fungsi. Fungsi ini menghubungkan input (x) dengan output (y). Kaitan keduanya dirumusakan sebagai berikut :

y = f(x)

Tujuan akhir dari Supervised Machine Learning ini adalah model atau fungsi yang dapat memberikan output yang paling mendekati berdasarkan dataset yang diberikan.

Beberapa algoritma yang tergolong kedalam Supervised Machine Learning :

• Support Vector Machine
• Linear Regression
• Logistic Regression
• Naive Bayes
• Linear Discriminant Analysis (LDA)
• Decision Tree
• K-nearest Neighbor
• Neural Network (Multilayer Perceptron)
• Similarity Learning
• Dll.

Unsupervised Machine Learning

https://towardsdatascience.com/supervised-vs-unsupervised-learning-14f68e32ea8d

Jika pada algoritma Supervised Machine Learning komputer “dituntun” untuk belajar, maka pada Unsupervised Machine Learning komputer “dibiarkan” belajar sendiri. Karena pada Unsupervised Machine Learning data set hanya berisi input variable saja tanpa output atau data yang diinginkan.

Unsupervised Machine Learning cocok diunakan jika dataset yang dimiliki pasangan input-output, hanya ada input variable tanpa output variable. Dengan demikian komputer harus belajar sendiri memahami pola data set yang di berikan.

Data set (D) yang digunakan pada Unsupervised Machine Learning didefinisikan sebagai berikut :

Unsupervised Machine Learning banyak digunakan untuk menangani permasalahan terkait dengan :

• Association
• Clustering

Beberapa Algoritma yang tergolong kedalam Unsupervised Machine Learning adalah :

• K-means
• Hierarchical Clustering
• DBSCAN
• Fuzzy C-means
• Local Outlier Factor
• Deep Belief Net
• Generative Adversarial Network
• Expectation-Maximization Algorithm (EM)
• Dll.

Reinforcement Machine Learning

Reinforcement Machine Learning memungkinkan komputer dapat belajar sendiri dari lingkungan. Komputer akan melakukan pencarian sendiri (self-dicovery) dengan cara berinteraksi dengan lingkungan. Selama proses training, komputer akan dituntun oleh algoritma untuk melakukan kegiatan trial and error. Mirip seperti anak kecil yang sedang belajar berjalan. Mencoba berbagai kemungkinan dan cara agar dapat berjalan. Mulai dari merangkak, berjalan dengan batuan pegangan dan pada akhirnya dapat berjalan dengan sendirinya.

https://www.inteliment.com/blog/our-thinking/deep-reinforcement-learning-and-its-applications/

Reinforcement Machine Learning akan mencoba berbagai opsi dan kemungkinan yang berbeda, melakukan pengamatan (observation) dan evaluasi (evaluation) setiap pencapaian. Reinforcement Machine Learning banyak digunakan pada berbagai mesin video game sperti PS, XBOX, dll.

Reinforcement Machine Learning banyak dimanfaatkan untuk menyelesaikan permasalahan berkaitan dengan :

• Classification
• Control

Algoritma yang tergolong kedalam Reinforcement Machine Learning diantaranya :

• Q-Learning
• State-Action-Reward-State-Action (SARSA)
• Deep Q Network (DQN)
• Deep Deterministic Policy Gradient (DDPG)
• Actor-Critic
• Monte Carlo Tree Search
• Dll

Nah sekian bahasan tentan 3 sub-kategori Machine Learning. Selanjutnya akan dibahan mengenai step step instalsai tool dan library yang di gunakan untuk berlatih Machine Learning menggunakan bahasa Pemrograman Python.

Sumber :

• Rangkuman Buku “Pengantar Machine Learning” karangan Bedy Purnama, S.SI.,MT (penerbit INFORMATIKA)
• https://www.edureka.co/blog/what-is-machine-learning/
• https://towardsdatascience.com/supervised-vs-unsupervised-learning-14f68e32ea8d
• https://www.inteliment.com/blog/our-thinking/deep-reinforcement-learning-and-its-applications/