Search Header Logo

Machine Learning

Authored by ling ling

Other

University

Used 3+ times

Machine Learning
AI

AI Actions

Add similar questions

Adjust reading levels

Convert to real-world scenario

Translate activity

More...

    Content View

    Student View

12 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Jika terdapat variabel target maka dinamkan

unsupervised learning

supervised learning

clustering

dbscan

2.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Apakah fungsi dari metode Elbow dalam algoritma K-Means?

Untuk menentukan jumlah cluster yang optimal

Untuk menentukan nilai centroid awal

Untuk menentukan nilai epsilon

Untuk menentukan nilai K dalam K-Nearest Neighbors

3.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Jika variabel target berbentuk numerik, maka dapat diselesaikan dengan menggunakan

Clustering

Klasifikasi

Regresi

Decision Tree

4.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

yang bukan termasuk algoritma klasifikasi

neuaral network

naive bayes

random forest

dbscan

5.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Manakah di antara algoritma berikut yang termasuk dalam unsupervised learning?

Naive Bayes

K-Means

Decision Tree

Random Forest

6.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Apakah perbedaan utama antara regresi dan klasifikasi dalam machine learning?

Regresi digunakan untuk data kategorikal, sedangkan klasifikasi untuk data numerik

Regresi digunakan untuk memprediksi nilai kontinu, sedangkan klasifikasi untuk memprediksi kelas

Regresi hanya menggunakan satu variabel independen, sedangkan klasifikasi menggunakan banyak variabel independen

Regresi selalu menghasilkan akurasi yang lebih tinggi daripada klasifikasi

7.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Apa perbedaan antara algoritma Decision Tree dan Random Forest?

Decision Tree hanya menggunakan satu pohon keputusan, sedangkan Random Forest menggunakan banyak pohon keputusan

Decision Tree tidak dapat menangani data kategorikal, sedangkan Random Forest dapat

Decision Tree tidak memperhitungkan overfitting, sedangkan Random Forest melakukannya

Decision Tree selalu menghasilkan akurasi yang lebih tinggi daripada Random Forest

Access all questions and much more by creating a free account

Create resources

Host any resource

Get auto-graded reports

Google

Continue with Google

Email

Continue with Email

Classlink

Continue with Classlink

Clever

Continue with Clever

or continue with

Microsoft

Microsoft

Apple

Apple

Others

Others

Already have an account?