Algoritma dan Modelling Machine Learning

Artificial Intelligence is:

• Any technique that enables computers to mimic human behavior

• Ability to learn without explicitly being programmed

• Extract patterns from data using neural networks

• Ability to work without explicitly being programmed

• Extract algorithm from data using neural networks

Dibandingkan dengan pendekatan tradisional, pendekatan machine Learning mempunyai:

• Study the problem

• Train Algorithm

• write rules

• Analyze errors

• Evaluate solution

Terkait dengan banyak data yang diolah, Machine Learning mengolah data terhadap

• sample data 30% dari seluruh data

• sample data 50% dari seluruh data

• sample data 70% dari seluruh data

• sample data 90% dari seluruh data

• seluruh data

Salah satu tipe / kategori Machine Learning:

• Revised Learning

• Unrevised Learning

• Vision Learning

• Supervised Learning

• Over vision Learning

Dalam Classical Machine Learning, sub kategori Clustering termasuk pada kategori:

• Revised Learning

• Unrevised Learning

• Vision Learning

• Unsupervised Learning

• Over vision Learning

Metode K Nearest Neighbors (KNN) termasuk sub kategori:

• klasifikasi

• klasterisasi

• Regresi

• Asosiasi

• Reduksi dimensionalitas

Metode K Nearest Neighbors (KNN) memperhitungkan:

• Waktu

• Besaran Objek

• Jarak

• Kecepatan

• Percepatan

Dalam perhitungan umum di KNN sering digunakan formula berikut kecuali:

• Mahattan Distance

• Minkowski Distance

• Cosine Similarity

• Sine Similarity

• Chebyshev Distance

Dalam perhitungan umum di KNN untuk data kategorik sering digunakan formula:

• Mahattan Distance

• Minkowski Distance

• Jaccard Similarity

• Sine Similarity

• Chebyshev Distance

Dalam perhitungan umum di KNN untuk data kategorik, kategori data harus diukur berdasarkan:

• warna kategori

• bobot kategori

• tipe kategori

• asal kategori

• jarak kategori