WorksheetsQuiz - AIML5 - Day 7
Total questions: 10
Worksheet time: 5mins
Supervised learning adalah jenis machine learning di mana...
Model belajar dari data yang tidak berlabel.
Model belajar dari data yang terlabel.
Model tidak belajar sama sekali.
Model hanya belajar dari data yang diacak.
Pada regresi, tujuan utama dari model adalah...
Memprediksi kelas dari data.
Memprediksi nilai berkelanjutan dari data.
Mengelompokkan data menjadi beberapa kategori.
Menemukan pola dari data tanpa memprediksi.
Apa perbedaan utama antara regresi dan klasifikasi?
Regresi menghasilkan output diskrit, sedangkan klasifikasi menghasilkan output kontinu.
Regresi digunakan untuk memprediksi nilai berkelanjutan atau nilai kontinu, sedangkan klasifikasi digunakan untuk memprediksi data target biner atau multikelas kategori data.
Regresi hanya dapat bekerja dengan data terstruktur, sedangkan klasifikasi dapat bekerja dengan data terstruktur dan tidak terstruktur.
Regresi menghasilkan prediksi dengan akurasi yang lebih tinggi dibandingkan klasifikasi.
Mana di bawah ini yang bukan merupakan metrik evaluasi umum untuk regresi?
Precision
Mean Absolute Error (MAE)
Mean Squared Error (MSE)
R-squared
Jika Mean Squared Error (MSE) dari model regresi hampir mencapai 0, ini menunjukkan bahwa...
Model tidak mampu melakukan prediksi sama sekali.
Model telah memprediksi semua nilai dengan sangat baik.
Model memiliki kesalahan terbesar dalam memprediksi data.
MSE tidak memberikan informasi yang berguna tentang kualitas prediksi.
Salah satu metrik evaluasi yang umum digunakan dalam klasifikasi adalah...
R-squared.
F1-score.
Mean Squared Error (MSE).
Mean Absolute Error (MAE).
Akurasi dalam evaluasi klasifikasi mengukur...
Kemampuan model untuk menemukan semua instance positif yang benar.
Kemampuan model untuk menghindari memprediksi positif palsu.
Proporsi keseluruhan prediksi yang benar.
Kemampuan model untuk menemukan semua instance negatif yang benar.
Untuk data yang imbalanced, metrik evaluasi yang lebih disarankan sebagai pengganti accuracy adalah...
Precision
R-squared
Mean Squared Error (MSE)
F1-score
Dalam machine learning, apa yang dimaksud dengan ""overfitting""?
Ketika model terlalu sederhana dan tidak dapat menangkap patterns dalam data.
Ketika model terlalu kompleks dan menangkap noise dalam data, sehingga performanya buruk di data baru.
Ketika model memiliki accuracy 100% pada training data dan testing data.
Ketika model hanya dapat bekerja pada satu jenis data tertentu.
Metode apa yang dapat digunakan untuk mengurangi overfitting dalam training model kecuali ?
Menambahkan lebih banyak features ke dalam model.
Menggunakan model yang lebih kompleks.
Menyederhanakan dataset dan ukuran dataset.
Meningkatkan ukuran training dataset.
