Modul 3 simulation (2)

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

• PCA

• K-Means

• KNN

• DBSCAN

Berikut adalah pernyataan yang telah diubah dengan dua opsi benar dan dua opsi salah:

Misalkan Anda diminta untuk mengimplementasikan spam detection system pada sebuah layanan email. Diberikan beberapa pernyataan berikut ini.

Pernyataan:

1. 1. Sistem Anda dapat menggunakan algoritma supervised learning untuk mengklasifikasikan email sebagai spam atau bukan spam.

2. 2. Anda harus melatih model dengan data yang mencakup berbagai fitur, termasuk isi email dan pengirim.

3. 3. Anda tidak perlu mempertimbangkan fitur-fitur lain selain isi email untuk melakukan prediksi.

4. 4. Model yang Anda buat harus dilatih dengan data yang hanya terdiri dari email spam.

• Pernyataan 1 dan 2 benar.

• Pernyataan 1 dan 3 benar.

• Pernyataan 2 dan 3 benar.

• Pernyataan 3 dan 4 benar.

Pilih yang benar

• kotak hijau adalah variabel independen

• kotak kuning adalah slope

• kotak merah adalah intercept

• salah semua

Dalam analisis regresi, metode Ridge Regression digunakan untuk mengatasi masalah multikolinearitas dengan cara:

• Menambahkan penalti pada jumlah kuadrat dari koefisien regresi.

• Menghapus fitur yang memiliki korelasi tinggi.

• Menggunakan metode klasifikasi untuk memprediksi nilai.

• Mengoptimalkan jumlah data yang digunakan untuk pelatihan

Fungsi pada kode di atas akan menghitung sebuah evaluation metric yaitu

• MSE

• RMSE

• MAPE

• MAE

Berikut adalah soal yang telah diubah dengan fokus pada false negative rate:

Dalam kasus pendeteksian jawaban ujian yang merupakan hasil menyontek, di mana jawaban asli seorang siswa diasumsikan sebagai positive class, false negative rate menandakan...

• Persentase jumlah jawaban hasil sontek yang dideteksi sebagai jawaban hasil sontek.

• Jumlah jawaban hasil sontek yang dideteksi sebagai jawaban asli.

• Jumlah jawaban asli yang dideteksi sebagai jawaban hasil sontek.

• Persentase jumlah jawaban asli yang dideteksi sebagai jawaban hasil sontek.

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

• Seluruh elemen pada node masuk ke dalam satu kelas saja.

• Kedalaman tree sudah mencapai ketentuan.

• Jumlah elemen pada node sebelum melakukan splitting kurang dari ketentuan.

• semua salah

Di bawah ini yang merupakan pernyataan yang salah mengenai decision tree yaitu:

• Pada bagian bawah tree, nilai gini impurity cenderung lebih rendah

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

• Information gain memiliki kinerja splitting lebih baik dibanding gini index.

• Semakin besar nilai parameter max_depth, semakin banyak jumlah node yang dihasilkan.

• Semakin kecil nilai parameter min_samples, semakin dalam tree yang dihasilkan.

Bagian yang paling mungkin menyebabkan masalah evaluasi model pada potongan kode di atas terdapat pada

• Model dilatih menggunakan data yang salah, sehingga hasil prediksi tidak akurat.

• Data tidak dibagi dengan benar antara training dan testing.

• Prediksi dilakukan pada data training alih-alih data testing.

• Tidak ada kesalahan dalam kode ini

Pernyataan yang tepat mengenai tabel di atas adalah

• Model ketiga menunjukkan performa terbaik di validation set dibandingkan model lainnya.

• Model kedua mengalami overfitting.

• Model pertama lebih mungkin diambil sebagai kandidat model terbaik dibanding model kedua.

• Model ketiga kemungkinan dapat meningkat dengan menambah jumlah feature.