Pembelajaran Mesin Terawasi

Pendahuluan

Pembelajaran mesin terawasi adalah jenis pembelajaran mesin yang mempelajari hubungan antara input dan output. Input dikenal sebagai fitur atau ‘variabel X’ dan output umumnya disebut sebagai target atau ‘variabel y’. Jenis data yang memuat fitur dan target disebut data berlabel. Inilah perbedaan utama antara pembelajaran terawasi dan tak terawasi, dua tipe pembelajaran mesin yang menonjol. Dalam tutorial ini Anda akan mempelajari:

• Apa itu Pembelajaran Mesin Terawasi
• Pembelajaran Terawasi vs. Tak Terawasi
• Pembelajaran Semi-Terawasi
• Algoritma Pembelajaran Mesin Terawasi:
• Regresi Linear
• Pohon Keputusan
• K Tetangga Terdekat
• Hutan Acak
• Naive Bayes
• Contoh Kode Python Pembelajaran Mesin Terawasi

Apa itu Pembelajaran Mesin Terawasi?

Pembelajaran mesin terawasi mempelajari pola dan hubungan antara data input dan output. Ia didefinisikan oleh penggunaan data berlabel. Data berlabel adalah himpunan data yang berisi banyak contoh Fitur dan Target. Pembelajaran terawasi menggunakan algoritma yang mempelajari hubungan antara Fitur dan Target dari himpunan data. Proses ini disebut Pelatihan atau Fitting. 

Ada dua jenis algoritma pembelajaran terawasi:

1. Klasifikasi
2. Regresi

Sumber Gambar: https://www.mathworks.com/help/stats/machine-learning-in-matlab.html

Klasifikasi

Klasifikasi adalah jenis pembelajaran mesin terawasi di mana algoritma belajar dari data untuk memprediksi suatu hasil atau peristiwa di masa depan. Contohnya:

Sebuah bank mungkin memiliki himpunan data nasabah yang memuat riwayat kredit, pinjaman, detail investasi, dan lain-lain, dan mereka ingin mengetahui apakah ada nasabah yang akan gagal bayar. Dalam data historis, kita akan memiliki Fitur dan Target. 

• Fitur akan berupa atribut seorang nasabah seperti riwayat kredit, pinjaman, investasi, dan sebagainya.
• Target akan merepresentasikan apakah nasabah tertentu pernah gagal bayar di masa lalu (biasanya direpresentasikan dengan 1 atau 0 / True atau False / Ya atau Tidak). 

Algoritma klasifikasi digunakan untuk memprediksi hasil diskret; jika hasilnya hanya bisa mengambil dua nilai seperti True atau False, Gagal Bayar atau Tidak, Ya atau Tidak, ini dikenal sebagai Klasifikasi Biner. Ketika hasilnya memuat lebih dari dua kemungkinan nilai, ini dikenal sebagai Klasifikasi Multikelas. Ada banyak algoritma pembelajaran mesin yang dapat digunakan untuk tugas klasifikasi. Beberapa di antaranya:

• Regresi Logistik
• Klasifikator Pohon Keputusan
• Klasifikator K Tetangga Terdekat
• Klasifikator Hutan Acak
• Jaringan Saraf

Regresi

Regresi adalah jenis pembelajaran mesin terawasi di mana algoritma belajar dari data untuk memprediksi nilai kontinu seperti penjualan, gaji, berat badan, atau suhu. Contohnya:

Sebuah himpunan data yang memuat fitur rumah seperti ukuran lahan, jumlah kamar tidur, jumlah kamar mandi, lingkungan sekitar, dan sebagainya, serta harga rumahnya; sebuah algoritma Regresi dapat dilatih untuk mempelajari hubungan antara fitur dan harga rumah.

Ada banyak algoritma pembelajaran mesin yang dapat digunakan untuk tugas regresi. Beberapa di antaranya:

• Regresi Linear
• Regresor Pohon Keputusan
• Regresor K Tetangga Terdekat
• Regresor Hutan Acak
• Jaringan Saraf

Sumber Gambar: https://static.javatpoint.com/tutorial/machine-learning/images/regression-vs-classification-in-machine-learning.png

Pembelajaran Terawasi vs. Tak Terawasi

Jenis Data

Perbedaan utama antara pembelajaran terawasi dan pembelajaran mesin tak terawasi adalah bahwa pembelajaran terawasi menggunakan data berlabel. Data Berlabel adalah data yang memuat Fitur (variabel X) sekaligus Target (variabel y). 

Saat menggunakan pembelajaran terawasi, algoritma secara iteratif belajar memprediksi variabel target berdasarkan fitur dan menyesuaikan respons yang tepat agar dapat "belajar" dari himpunan data pelatihan. Proses ini disebut Pelatihan atau Fitting. Model pembelajaran terawasi biasanya menghasilkan hasil yang lebih akurat dibandingkan pembelajaran tak terawasi, tetapi memerlukan interaksi manusia di awal untuk mengidentifikasi data dengan benar. Jika label dalam himpunan data tidak diidentifikasi dengan tepat, algoritma terawasi akan mempelajari hal yang keliru.

Model pembelajaran tak terawasi, di sisi lain, bekerja secara otonom untuk mengidentifikasi struktur bawaan dari data yang belum diberi label. Penting diingat bahwa validasi variabel output tetap memerlukan keterlibatan manusia pada tingkat tertentu. Misalnya, sebuah model pembelajaran tak terawasi dapat menentukan bahwa pelanggan yang berbelanja online cenderung membeli beberapa item dari kategori yang sama pada saat bersamaan. Namun, seorang analis manusia perlu memeriksa apakah masuk akal jika mesin rekomendasi memasangkan Item X dengan Item Y. 

Use-case

Ada dua use-case utama untuk pembelajaran terawasi yakni Klasifikasi dan Regresi. Dalam kedua tugas tersebut, algoritma terawasi belajar dari data pelatihan untuk memprediksi sesuatu. Jika variabel yang diprediksi bersifat diskret seperti “Ya” atau “Tidak”, 1 atau 0, “Fraud” atau “Bukan Fraud”, maka diperlukan algoritma klasifikasi. Jika variabel yang diprediksi bersifat kontinu seperti penjualan, biaya, gaji, suhu, dan sebagainya, maka diperlukan algoritma Regresi.

Clustering dan Pendeteksian Anomali adalah dua use-case menonjol dalam pembelajaran tak terawasi. Untuk mempelajari lebih lanjut tentang Clustering, lihat artikel ini. Jika Anda ingin menyelami lebih dalam Pembelajaran Mesin Tak Terawasi, lihat kursus menarik dari DataCamp ini. Anda akan belajar cara mengelompokkan, mentransformasi, memvisualisasikan, dan mengekstrak wawasan dari himpunan data tanpa label menggunakan scikit-learn dan scipy.

Tujuan

Tujuan pembelajaran terawasi adalah memprediksi hasil untuk data baru berdasarkan model yang telah belajar dari himpunan data pelatihan berlabel. Jenis hasil yang dapat diantisipasi sudah diketahui sejak awal dalam bentuk data berlabel. Tujuan algoritma pembelajaran tak terawasi adalah memperoleh wawasan dari data dalam jumlah besar tanpa label eksplisit. Algoritma tak terawasi juga belajar dari himpunan data pelatihan tetapi data pelatihannya tidak memuat label.

Kompleksitas

Pembelajaran mesin terawasi relatif lebih langsung dibandingkan pembelajaran tak terawasi. Model tak terawasi umumnya memerlukan himpunan pelatihan yang besar untuk menghasilkan hasil yang diinginkan, sehingga kompleks secara komputasi.

Sumber Gambar: https://www.sharpsightlabs.com/blog/supervised-vs-unsupervised-learning/

Pembelajaran Mesin Semi-Terawasi

Pembelajaran semi-terawasi adalah jenis pembelajaran mesin yang relatif baru dan kurang populer yang, selama pelatihan, memadukan sejumlah besar data tanpa label dengan sejumlah kecil data berlabel. Pembelajaran semi-terawasi berada di antara pembelajaran terawasi (dengan data pelatihan berlabel) dan pembelajaran tak terawasi (data pelatihan tanpa label). 

Pembelajaran semi-terawasi menawarkan banyak aplikasi dunia nyata. Ada kelangkaan data berlabel di banyak bidang. Karena melibatkan anotator manusia, peralatan khusus, atau studi yang mahal dan memakan waktu, label (variabel target) bisa sulit diperoleh.

Pembelajaran semi-terawasi memiliki dua jenis:

1. pembelajaran transduktif
2. pembelajaran induktif

Sumber Gambar: https://www.enjoyalgorithms.com/blogs/supervised-unsupervised-and-semisupervised-learning

Algoritma Pembelajaran Mesin Terawasi

Pada bagian ini kita akan membahas beberapa algoritma umum untuk pembelajaran mesin terawasi:

Regresi Linear

Regresi linear adalah salah satu algoritma pembelajaran mesin paling sederhana yang tersedia, digunakan untuk belajar memprediksi nilai kontinu (variabel dependen) berdasarkan fitur (variabel independen) dalam himpunan data pelatihan. Nilai variabel dependen yang mewakili efek dipengaruhi oleh perubahan nilai variabel independen.

Jika Anda ingat “garis terbaik” dari masa sekolah, itulah tepatnya regresi linear. Memprediksi berat badan seseorang berdasarkan tinggi badannya adalah contoh sederhana dari konsep ini.

Sumber Gambar: http://primo.ai/index.php?title=Linear_Regression

Regresi Logistik

Regresi Logistik adalah kasus khusus Regresi Linear di mana variabel target (y) bersifat diskret / kategorikal seperti 1 atau 0, True atau False, Ya atau Tidak, Gagal Bayar atau Tidak Gagal Bayar. Log dari odds digunakan sebagai variabel dependen. Menggunakan fungsi logit, regresi logistik membuat prediksi tentang probabilitas suatu peristiwa biner akan terjadi.

Untuk mempelajari lebih lanjut topik ini, lihat artikel Understanding Logistic Regression in Python Tutorial yang sangat baik di DataCamp.

Pohon Keputusan

Algoritma Pohon Keputusan adalah jenis model struktural mirip pohon probabilitas yang terus-menerus memisahkan data untuk mengkategorikan atau membuat prediksi bergantung pada hasil dari himpunan pertanyaan sebelumnya. Model menganalisis data dan memberikan jawaban atas pertanyaan untuk membantu Anda membuat keputusan yang lebih tepat.

Anda dapat, misalnya, menggunakan pohon keputusan di mana jawaban Ya atau Tidak digunakan untuk memilih spesies burung tertentu berdasarkan elemen data seperti bulu burung, kemampuan terbang atau berenang, jenis paruh, dan seterusnya.

Sumber Gambar: https://aigraduate.com/decision-tree-visualisation---quick-ml-tutorial-for-beginners/

Untuk mempelajari lebih lanjut tentang Machine Learning dengan Model Berbasis Pohon di Python, lihat kursus menarik dari DataCamp ini. Di kursus ini, Anda akan belajar menggunakan model berbasis pohon dan ensemble untuk regresi dan klasifikasi menggunakan scikit-learn.

K Tetangga Terdekat

K Tetangga Terdekat adalah metode statistik yang mengevaluasi kedekatan satu titik data dengan titik data lainnya untuk memutuskan apakah kedua titik data tersebut dapat dikelompokkan bersama. Kedekatan titik data merepresentasikan tingkat kemiripan satu sama lain.

Misalnya, andaikan kita memiliki grafik dengan dua kelompok titik data berbeda yang berdekatan satu sama lain dan masing-masing diberi nama Kelompok A dan Kelompok B. Masing-masing kelompok titik data tersebut direpresentasikan oleh titik pada grafik. Ketika kita menambahkan titik data baru, kelompok dari contoh tersebut akan bergantung pada kelompok mana yang paling dekat dengan titik baru itu.

Sumber: https://towardsdatascience.com/getting-acquainted-with-k-nearest-neighbors-ba0a9ecf354f

Hutan Acak

Hutan Acak adalah contoh lain algoritma yang dibangun di atas pohon, seperti halnya Pohon Keputusan. Berbeda dengan Pohon Keputusan yang hanya terdiri dari satu pohon, Hutan Acak menggunakan sejumlah Pohon Keputusan untuk membuat keputusan, sehingga pada dasarnya membentuk hutan pohon.

Ia melakukannya dengan menggabungkan sejumlah model berbeda untuk menghasilkan prediksi, dan dapat digunakan baik untuk klasifikasi maupun regresi.

Sumber: https://blog.tensorflow.org/2021/05/introducing-tensorflow-decision-forests.html

Naive Bayes

Teorema Bayes adalah rumus matematika yang digunakan untuk menghitung probabilitas bersyarat, dan Naive Bayes adalah penerapan dari rumus tersebut. Probabilitas bersyarat adalah probabilitas suatu hasil akan terjadi dengan syarat peristiwa lain sudah terjadi.

Ia membuat prediksi bahwa probabilitas untuk setiap kelas termasuk ke kelas tertentu dan bahwa kelas dengan probabilitas tertinggi dianggap sebagai kelas yang paling mungkin terjadi.

Sumber Gambar: https://www.kdnuggets.com/2019/10/introduction-artificial-neural-networks.html

Contoh Kode Python Pembelajaran Mesin Terawasi

Pada bagian ini kita akan menggunakan scikit-learn di Python untuk melatih model Regresi Logistik (Klasifikasi) pada himpunan data palsu. Lihat Notebook lengkapnya di sini.

```

# create fake binary classification dataset with 1000 rows and 10 features

from sklearn.datasets import make_classification

X, y = make_classification(n_samples = 1000, n_features = 10, n_classes = 2)




# check shape of X and y

X.shape, y.shape




# train test split

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)




# import and initialize logistic regression model

from sklearn.linear_model import LogisticRegression

lr = LogisticRegression()




# fit logistic regression model

lr.fit(X_train, y_train)




# generate hard predictions on test set

y_pred = lr.predict(X_test)

y_pred




# evaluate accuracy score of the model

from sklearn.metrics import accuracy_score

accuracy_score(y_test, y_pred)

```

Jika Anda ingin mempelajari pembelajaran mesin terawasi di R, lihat kursus Supervised Learning in R dari DataCamp ini. Di kursus ini Anda akan mempelajari dasar-dasar pembelajaran mesin untuk klasifikasi dalam bahasa pemrograman R.

Kesimpulan

Dalam beberapa tahun terakhir, pembelajaran mesin telah sepenuhnya mengubah cara kita berbisnis. Inovasi radikal yang membedakan pembelajaran mesin dari strategi otomasi lain adalah pergeseran dari pemrograman berbasis aturan. Berkat teknik pembelajaran mesin terawasi, para engineer dapat memanfaatkan data tanpa secara eksplisit melatih mesin untuk menyelesaikan masalah dengan cara tertentu.

Dalam pembelajaran mesin terawasi, solusi yang diharapkan untuk suatu masalah mungkin belum diketahui untuk data masa depan, tetapi mungkin telah diketahui dan terekam dalam himpunan data historis, dan tugas algoritma pembelajaran terawasi adalah mempelajari hubungan itu dari data historis untuk memprediksi suatu hasil, peristiwa, atau nilai di masa depan.

Dalam artikel ini, kita telah membangun pemahaman dasar tentang apa itu pembelajaran terawasi dan bagaimana perbedaannya dengan pembelajaran tak terawasi. Kita juga telah meninjau beberapa algoritma umum dalam pembelajaran terawasi. Namun, ada banyak hal yang belum kita bahas seperti Evaluasi Model, Validasi Silang, atau Penyetelan Hyperparameter. Jika Anda ingin menggali lebih dalam salah satu topik ini dan mengembangkan keterampilan lebih jauh, lihat kursus-kursus menarik berikut:

• Supervised Learning with scikit-learn
• Supervised Machine Learning in R