Supervised & Unsupervised Learning

 1. Supervised Learning

Supervised Learning merupakan bagian dari machine learning dan artificial intelligence (kecerdasan buatan).Supervised Learning menggunakan dataset berlabel untuk melatih algoritma dan digunakan untuk mengklasifikasi atau memprediksi ke-akuratan dari hasil sebuah data training. Supervised learning bekerja dengan  memasukkan data berlabel sebagai data training, kemudian data-data uji yang ada diproses oleh mesin/sistem dan dipelajari dari data training yang berlabel tersebut sebagai acuan yang akan menghasilkan prediksi dengan keakuratan data yang sesuai/parsis seperti data berlabel yang telah dipelajari sebelumnya.

Tipe Supervised Learning dibagi menjadi 2, yaitu : 

- Classification

Tipe ini menggunakan algoritma untuk menetapkan data uji ke dalam kategori tertentu secara akurat. dalam prosesnya ini mesin berusaha untuk mengenali entitas tertentu dalam kumpulan data dan mencoba menarik beberapa kesimpulan tentang bagaimana entitas tersebut harus diberi label atau didefinisi. dalam tipe ini algoritma yang paling umum adalah support vector machines (SVM), decision trees, k-nearest neighbor.

- Regression

Tipe digunakan untuk memahami hubungan antara variabel terikat dan variabel bebas. Tipe ini biasanya digunakan untuk membuat proyeksi. algoritma yang umum digunakan Linear regression, logical regression, dan polynomial regression.

Contoh implementasi Supervised Learning : 

Pada kasusnya di dunia nyata yang banyak kita temukan adalah  pada saat kita memberikan label pada email yang menurut kita mengganggu, kemudian sistem akan mempelajari dari email yang telah diberi label tersebut untuk kemudian di saring agar email yang serupa tidak muncul kembali dan masuk kedalam folder spam pada email.

2. Unsupervised Learning

merupakan bagian dari machine learning dan artificial intelligence (kecerdasan buatan). Unsupervised Learning berjalan dengan tanpa data label, jadi ia bisa berjalan sendiri dengan cara mencari pola tersembunyi yang terdapat pada suatu data, kemudian ia akan membandingkan dan memberikan prediksi berdsarkan dari apa yang telah dipelajari oleh mesin.

Unsupervised Learning digunakan untuk menarik kesimpulan dari dataset. Metode ini akan mempelajari suatu data berdasarkan kedekatannya saja atau yang biasa disebut dengan clustering. Metode algoritma yang paling umum adalah analisis cluster yang implementasinya digunakan pada analisa data untuk mencari pola-pola tersembunyi atau pengelompokan data.