- Apa yang dimaksud supervised learning, unsupervised learning dan reinforcement learning?berikan contoh masing-masing?
- Supervised Learning adalah proses suatu system mempelajari labeled data sebagai training set yang terdiri dari fitur dan label. Tujuan akhir dari supervised learning adalah untuk mengidentifikasi label input yang baru dengan fitur yang ada pada data baru tersebut.
Contoh : Perceptron, Adaline, Hebbian, Hapfield, Boltzman.
- Unsupervised Learning adalah proses suatu system mempelajari unlabeled data berdasarkan fitur-fitur dari data tersebut, Tujuan akhir dari Unsupervised Learning adalah mengelompok data-data ke dalam suatu grup yang berupa cluster terdiri dari data yang memiliki kemiripan yang sama untuk satu cluster dan apabilan ditemukan perbedaan dapat dikelompokkan ke dalam cluster yang lain atau dapat dianggap sebagai outlier.
Contoh : Hebbian, Competitive, Kohonen, Neocognitron, Learning Vector Quantization (LVQ)
- Reinforcement Learning Pembelajaran mesin metode reinforcement learning menjadi suatu pilihan dalam penentuan pengendalian robot. Metode ini mengasumsikan bahwa lingkungan terdefinisi sebagai himpunan keadaan (states) S dengan agen (robot) memiliki pilihan aksi A dengan jumlah tertentu. Untuk setiap langkah, yang didefinisikan sebagai pembagian waktu secara diskrit, agen melakukan pengamatan terhadap keadaan lingkungan, st ,dan memberikan keluaran berupa aksi, at. Agen mendapatkan suatu reward, R yang menunjukkan kualitas aksi yang diberikan agen berdasarkan ekspektasi pemrogram. Agen kemudian melakukan observasi ulang terhadap lingkungannya, . Keadaan yang dituju dari metode pembelajaran ini ialah mendapatkan experience tuples (st, , , ), dan mendapatkan pembelajaran atas suatu pemetaan keadaan-keadaan untuk mengukur nilai jangka panjang pada keadaan tersebut. Pemetaan tersebut didefinisikan sebagai optimal value function.
Contoh Algoritma : Q-Learnin
- Apa yang dimaksud dengan Learning Decision Tree dan berikan contohnya?
Learning Decision Tree adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat diambil dari masalah tersebut. Pohon tersebut juga memperlihatkan faktor-faktor kemungkinan/probablitas yang akan mempengaruhi alternatifalternatif keputusan tersebut, disertai dengan estimasi hasil akhir yang akan didapat bila kitamengambil alternatif keputusan tersebut.
Contoh :
Beberapa contoh graf
Contoh Graf Lengkap
Contoh pohon