Coba Diseriusin

Di bawah ini yang bukan merupakan model atau algoritma yang umum digunakan dalam supervised learning adalah

• Random Forest

• Logistic Regression

• Decision Tree

• Linear Regression

• K-Means

Misalkan Anda diminta untuk mengimplementasikan spam detection system pada sebuah layanan email. Diberikan beberapa pernyataan berikut ini. Pernyataan yang kurang tepat yaitu

• 1,2,dan 3

• 2,3, dan 4

• 2 dan 4

• 2 dan 3

• 1 dan 4

Perhatikan persamaan model multiple linear regression di bawah ini. Pernyataan di bawah ini yang tepat yaitu

• komponen di dalam kotak kuning disebut dengan slope

• komponen di dalam kotak kuning disebut dengan keofisien

• komponen di dalam kotak biru disebut dengan response variable

• komponen di dalam kotak merah disebut dengan dependent variables

• komponen di dalam kotak hijau disebut dengan explanatory variable

Metode Least Squares pada kasus regression dapat digunakan untuk mengestimasi nilai parameter model sehingga nilai sum of squared error dapat sekecil mungkin, yang ditandai dengan

• jumlah dari nilai hasil prediksi dengan data observasi yang sesungguhnya dapat mendekati satu

• jumlah nilai hasil prediksi dan data observasi yang sesungguhnya dapat sekecil mungkin

• Jumlah Error yang sekecil mungkin

• jumlah variabel yang disertakan di dalam model dapat sesedikit mungkin

• Jumlah Error sebesar mungkin

Fungsi pada kode di berikut akan menghitung sebuah evaluation metric yaitu

• MAE

• MAPE

• RMSE

• MSE

• R2

Dalam kasus sistem pendeteksi kanker, di mana orang yang menderita kanker diasumsikan sebagai positive class, false positive rate menandakan . . .

• Persentase jumlah pasien kanker yang dideteksi sebagai pasien tidak kanker

• Jumlah pasien tidak kanker yang dideteksi sebagai pasien kanker.

• Persentase jumlah pasien tidak kanker yang dideteksi sebagai pasien kanker.

• Persentase jumlah pasien tidak kanker yang dideteksi sebagai pasien tidak kanker juga.

• Tidak ada jawaban yang benar.

Pada decision tree classification, splitting akan berhenti dilakukan jika terpenuhi kondisi-kondisi berikut ini, kecuali

• elemen pada node masuk ke dalam dua kelas dengan jumlah yang sama

• kedalaman tree sudah mencapai ketentuan

• jumlah elemen pada node setelah melakukan splitting kurang dari ketentuan

• jumlah elemen pada node sebelum melakukan splitting kurang dari ketentuan

• seluruh elemen pada node masuk ke dalam satu kelas saja

Di bawah ini yang merupakan pernyataan yang pasti benar mengenai decision tree, yaitu . . .

• Decision tree dapat digunakan untuk melakukan prediksi target yang bersifat continuous.

• Nilai parameter min_samples_split yang besar akan menghasilkan tree yang dalam/besar.

• Pada bagian bawah tree, nilai gini impurity cenderung lebih tinggi.

• Nilai parameter max_depth yang kecil akan menghasilkan jumlah node yang sedikit.

• Nilai parameter max_depth yang kecil akan menghasilkan jumlah node yang banyak.

Bagian yang paling mungkin menyebabkan masalah evaluasi model pada potongan kode di bawah ini terdapat pada . . .

• Pada baris ke-7, untuk membaca dataset seharusnya np.read_csv.

• Pada baris ke-15, train_test_split seharusnya menggunakan parameter stratify=y.

• Pada baris ke-17, untuk prediksi seharusnya tree.predict(y_test).

• Pada baris ke-15, proses splitting train set dan test set seharusnya sebelum model training.

• Pada baris ke-18, mean_squared_error digunakan untuk evaluasi kasus regresi.

Pernyataan yang tepat mengenai tabel di berikut adalah . . .

• Model no. 3 mengalami overfitting.

• Model no. 1 adalah model terbaik karena modelnya paling general/stabil.

• Model no.1 kemungkinan dapat ditingkatkan performanya dengan menambah jumlah feature.

• Model no. 2 mengalami underfitting.

• Model no. 2 kemungkinan dapat ditingkatkan performanya dengan menambah jumlah feature.

  Kembali

  Berikutnya

  Kosongkan formulir