Novan's Blog

Cari Blog Ini

Tugas 4 Machine Learning : Flowchart

Oktober 21, 2019

Dapatkan link
Facebook
X
Pinterest
Email
Aplikasi Lainnya

Vending Machine

Restauran

Pelanggan

Pelayan

Koki

Kasir

ATM

Dapatkan link
Facebook
X
Pinterest
Email
Aplikasi Lainnya

Komentar

Posting Komentar

Postingan Populer

Tugas 1 Mata Kuliah Pembelajaran Mesin

Soal : a. Carilah contoh-contoh penerapan machine learning pada kehidupan sehari-hari selain yang telah disebutkan! b. Mengapa mereka menggunakan teknik machine learning untuk menyelesaikan permasalahan tersebut? c. Apakah tidak ada opsi lainnya? Jelaskan bila ada! d. Apa kelebihan dan kekurangan teknik machine learning dari pada teknik lainnya (yang kamu jelaskan pada soal (c)) Jawaban : a. Contoh penerapan machine learning pada kehidupan sehari-hari diantaranya : 1. Pada bidang kedokteran, machine learning digunakan untuk mendeteksi penyakit dari gejala yang timbul. 2. Pada bidang Computer Vision, diterapkannya pengenalan wajah dan pelabelan wajah seperti pada salah satu fitur facebook dan penterjemahan tulisan tangan menjadi teks. 3. Pada bidang Information Retrival, contohnya adalah menterjemahkan bahasa dengan menggunakan komputer, mengubah suara menjadi teks, dan filter spam pada email. b. Machine learning digunakan untuk m...

Tugas 3 Machine Learning : Algoritma Dasar

1. Naive Bayes Naive Bayes adalah algoritma supervised learning yang sangat sederhana [23]. Idenya mirip dengan probabilitas bayesian. Secara formal, persamaan Naive Bayes untuk klasi?kasi diberikan pada persamaan 4.1 dimana ci adalah suatu nilai kelas, C adalah kelas (himpunan), t adalah ?tur (satu ?tur, bukan feature vector) dan F adalah banyaknya ?tur. Kita memprediksi kelas berdasarkan probabilitas kemunculan nilai ?tur pada kelas tersebut. Pertama, kita hitung likelihood suatu feature vector diklasi?kasikan ke kelas tertentu berdasarkan bagaiman probabilitas korespondensi ?tur-?turnya terhadap kelas tersebut (persamaan 4.1). Kemudian, kita normalisasi likelihood semua kelas untuk mendapatkan probabilitas class-assignment (softmax – persamaan 4.2). Akhirnya, kita pilih kelas dengan probabilitas tertinggi (persamaan 4.3). Agar mendapatkan gambaran praktis, mari kita bangun model Naive Bayes untuk Tabel 4.1. Tabel ini disebut sebagai dataset, yaitu memuat entry data (tiap baris ...

Diberdayakan oleh Blogger