Apa itu model ML

Pelajaran 3 dari 19 dalam kursus Pengantar Machine Learning di Coddy.

Model machine learning bertujuan membuat prediksi berdasarkan data historis. Agar dapat melakukannya secara efektif, model harus memahami properti statistik dari dataset. Pemahaman ini tidak dapat dicapai hanya dengan memberikan model sebuah algoritma atau fungsi matematika yang menjelaskan distribusi data.

Sebaliknya, model harus mempelajari properti ini melalui pelatihan. Selain itu, setiap dataset memiliki properti statistik yang unik. Karena itu, model terpisah harus dilatih untuk setiap dataset yang berbeda.

Fase pembelajaran disebut fitting atau fit. Setelah model mempelajari distribusi data, kita dapat memberinya data baru yang belum pernah dilihatnya dan memprediksi output-nya. Fase ini disebut predicting atau predict.

Uji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Uji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Uji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Tantangan

Mudah

Dalam tantangan ini, kita akan membuat model machine learning dengan pembelajaran terawasi yang paling sederhana. Model ini sama sekali tidak digunakan di industri. Tujuan model ini hanya untuk menunjukkan seperti apa model machine learning sungguhan.

Buat model yang mengembalikan nilai y yang paling sering muncul untuk nilai X yang sesuai.

Petunjuk:

method fit menghitung nilai y yang paling sering muncul untuk setiap X, lalu menyimpan hasilnya dalam variabel self.mode
Contohnya, untuk dataset berikut:
<strong>X</strong> A B A A B
<strong>Y</strong> 1 1 0 1 1
self.mode seharusnya berisi: {"A": 1, "B": 1}
method predict menerima list X_test dan mengembalikan list dengan panjang yang sama. Setiap nilai dalam list yang dikembalikan adalah prediksi y yang sesuai dengan X, menggunakan self.mode yang dipelajari pada tahap fit.
Contohnya, jika self.mode berisi {"A": 1, "B": 1} dan X_train adalah ['A', 'B', 'C'], maka outputnya seharusnya: [1, 1, None]

Cara melewati kasus uji:

Buat fungsi bernama train_and_predict yang menerima list X_train, y_train, dan X_test. Fungsi ini akan mengikuti langkah-langkah berikut:

Pelajari menggunakan method fit dengan X_train dan y_train
prediksi label X_test
kembalikan label yang diprediksi

Coba sendiri

import numpy as np
np.set_printoptions(legacy='1.13')

class SimpleModel:
    def __init__(self):
        self.mode = {}

    def fit(self, X, y):
        # Tulis kodemu di sini
        

    def predict(self, X):
        # Tulis kodemu di sini

def train_and_predict(X_train, y_train, X_test):
    model = SimpleModel()
    # Latih model menggunakan X_train dan y_train
    
    # Prediksi label X_test
    
    # Kembalikan label yang diprediksi

Semua pelajaran di Pengantar Machine Learning

1Awal Perjalanan ML

Pengenalan ML Data untuk melatih modelApa itu model ML

4Algoritma K-Means

Pengantar K-Means method fit method predict

2Gambaran Umum Machine Learning

Pembelajaran Terawasi Pembelajaran Tanpa Pengawasan

5Naive Bayes

Pengantar Naive Bayes method fit method predict

3K-Tetangga Terdekat (KNN)

Pengantar KNN method fit method predict

6Model Lainnya

Regresi Logistik Regresi Linear Pohon Keputusan Support Vector Machine (SVM)Kuis Model

Latihan sendiri: Compiler Python online

`<strong>X</strong>`	A	B	A	A	B
`<strong>Y</strong>`	1	1	0	1	1