Your company wants to predict whether existing automotive insurance customers are more likely to buy homeowners insurance. It created a model to better predict the best customers contact about homeowners insurance, and the model had a low variance but high bias. What does that say about the data model?

You want to identify global weather patterns that may have been affected by climate change. To do so, you want to use machine learning algorithms to find patterns that would otherwise be imperceptible to a human meteorologist. What is the place to start?

Asian user complains that your company's facial recognition model does not properly identify their facial expressions. What should you do?

"you can still make recommendation even if you don’t have specific information about each user" is one of advantage of ...

Merekomendasikan item M yang belum digunakan oleh pengguna U tetapi dimiliki telah digunakan oleh pengguna lain yang memiliki preferensi yang mirip dengan pengguna U merupakan cara kerja dari metode rekomendasi ...

Hierarchical Clustering dan Boosting-Based model merupakan interpretable model

“This transaction overall dropped since the new customer transaction is dropped too, we need to find out how to increase new customer now” is an example of a statement from

"Which customer is at risk to leave our service"

This statement includes a prediction statement

Companies that already have a "Data-Aware Mindset" have a higher Business Value than companies that have a "Data-Savvy Mindset".

Saat jumlah data pada node setelah melakukan splitting kurang dari ketentuan, maka proses splitting pada Decision Tree akan berhenti

Teknik yang melibatkan kombinasi data dari prediksi beberapa model, yang digunakan sebagai fitur untuk menghasilkan model baru dan membuat prediksi. Model yang digabungkan dikenal sebagai base learner, dan prediksinya yang digunakan sebagai fitur tambahan untuk melatih model akhir dikenal sebagai meta learner.

Teknik Principal Component Analysis (PCA) mengurangi banyak fitur dengan cara meringkas seluruh fitur yang ada menjadi beberapa komponen yang ditentukan.

Pada proses text mining, semakin sering suatu kata muncul di dokumen lain maka bobot/nilai TF-IDF nya ...

_{^{(1) What is making the transaction metrics dropped this morning? -> Business Question ini bersifat inference}}

_{^{(2) Where are our most prestigious customers come from? -> Business Question ini bersifat prediction}}

_{^{(3) Why our voucher and promotion quota runs out today? -> Business Question ini bersifat inference}}

_{^{(4) How to separate fraud and normal users from their behavior? -> Business Question ini bersifat prediction}}

_{^{(5) Which customer is at risk to leave our service? -> Business Question ini bersifat inference}}

_{^{Pilih mana saja pernyataan yang benar..}}

Jika kita memilih nilai parameter maximum depth = 10. Maka kesimpulan yang akan didapat yaitu ...

_{^{(1) Semakin besar nilai parameter min_samples, semakin dalam tree yang dihasilkan.}}

_{^{(2) Semakin besar nilai parameter max_depth, semakin besar kemungkinan untuk terjadi overfitting.}}

_{^{(3) Decision Tree hanya dapat digunakan untuk klasifikasi.}}

_{^{(4) Decision Tree merupakan salah satu interpretable model.}}

_{^{(5) Decision Tree merupakan salah satu model parametrik.}}

_{^{Pilih pernyataan mana saja yang benar !}}

_{^{(1) Pada analisis Time Series, proses differencing pada data akan mengurangi jumlah data.}}

_{^{(2) Regresi Linear dapat digunakan untuk memprediksi data Time Series.}}

_{^{(3) Saat melakukan analisa Time Series, data harus normal}}

_{^{(4) Decision Tree dapat digunakan untuk memprediksi data Time Series.}}

_{^{(5) Kita dapat melakukan proses Cross-Validation pada data Time Series}}

_{^{Dari 3 pernyataan diatas. Mana pernyataan yang kurang tepat}}

Variabel yang saling berkorelasi pasti saling mempengaruhi

Kita dapat menggunakan Decision Tree untuk mengelompokan data

Targetted marketing, Recommended Systems, and Customer Segmentation are applications in ...