Mastering Decision Tree for AI Application

Apa tujuan utama dari supervised learning?

• Memprediksi hasil berdasarkan label yang sudah diketahui

• Mengelompokkan data tanpa menggunakan label

• Mengurutkan data secara acak

• Menemukan pola tersembunyi dalam data

Mengapa penting membagi dataset menjadi data latih dan uji dalam supervised learning?

• Mencegah overfitting

• Meningkatkan waktu komputasi

• Mengurangi dimensi data

• Mempercepat pelatihan model

Apa perbedaan utama antara klasifikasi dan regresi dalam supervised learning?

• Klasifikasi memprediksi nilai kontinu, sedangkan regresi memprediksi kelas

• Klasifikasi memprediksi kelas, sedangkan regresi memprediksi nilai kontinu

• Klasifikasi dan regresi adalah sama

• Klasifikasi dan regresi tidak dapat dibedakan

Apa fungsi utama dari node dalam Decision Tree?

• Menyimpan data latih

• Menentukan hasil prediksi

• Menyediakan label untuk data uji

• Menyimpan semua atribut yang ada

Apa tugas umum yang dapat diatasi dengan supervised learning?

• Segmentasi citra

• Pengurutan data

• Klasifikasi email spam

• Analisis sentimen

Bagaimana decision tree membuat keputusan pada simpul (node)?

• Berdasarkan probabilitas

• Dengan menghitung jarak Euclidean

• Dengan mengevaluasi fitur dan mengikuti percabangan berdasarkan kondisi

• Menggunakan metode korelasi

Apa yang dimaksud dengan ensemble learning dalam konteks Random Forest?

• Penggunaan banyak model yang serupa untuk meningkatkan performa

• Pengelompokan data tanpa menggunakan label

• Pengurutan data secara acak

• Menemukan pola tersembunyi dalam data

Apa tujuan dari pemilihan fitur acak dalam setiap pohon keputusan pada Random Forest?

• Meningkatkan overfitting

• Meningkatkan keberagaman model

• Mempercepat pelatihan model

• Mengurangi kompleksitas pohon

Apa tujuan utama dari confusion matrix dalam evaluasi model klasifikasi?

• Mengukur waktu eksekusi model

• Mengukur keakuratan model

• Menunjukkan seberapa kompleks model

• Menunjukkan distribusi data

Apa yang dimaksud dengan akurasi dalam konteks evaluasi model?

• Tingkat kompleksitas model

• Kemampuan model untuk memprediksi dengan benar

• Kecepatan eksekusi model

• Jumlah parameter model