Pengertian Ensemble Method: Perbedaan antara revisi
Rizkarofiq (bicara | kontrib) ←Membuat halaman berisi 'Metode Ensembel adalah salah satu teknik Machine Learning yang menggabungkan beberapa model dasar untuk menghasilkan satu model yang optimal. Karena dengan tersebut ma...' |
(Tidak ada perbedaan)
|
Revisi per 11 Mei 2018 12.57
Metode Ensembel adalah salah satu teknik Machine Learning yang menggabungkan beberapa model dasar untuk menghasilkan satu model yang optimal. Karena dengan tersebut maka metode Ensemble ini paling populer dikalangan kompetisi terkenal di dunia yang berhubungan dengan Machine Learning seperti Netflix dan Kaggle. Metode Ensemble juga bentuk dari penggabungan algoritma-algoritma machine learning kedalam satu model prediktif untuk menngurangi adanya Bagging, Boosting dan Stacking.[1][2] Metode ini dibagi menjadi beberapa kelompok yaitu :
1.Metode Ensemble Berurutan Metode ensemble yang dihasilkan dari adaBoost. Dengan dasar metode sekuensial untuk menelusuri ketergantungan antara base learners. Untuk meningkatkannya dapat dilakukan dengan menimbang.[3]
2.Metode Ensemble Paralel Metode ensemble yang dihasilkan dari basis pembelajaran yang dilakukan secara paralel. Dengan metode paralel untuk menelusuri independensi antara base learners karena kesalahan dapat dikurangi secara dramatis dengan rata-rata. Sebagian besar metode ensemble menggunakan metode tunggal untuk menghasilkan homogeneous base learners yaitu dengan jenis yang sama menuju ke ensemble homogeneuos.[4]
Klasifikasi
Bagging
Bagging adaah penggabungan metode Bosstraping dan Agregasi untuk membentuk suatu model Ensembel. Metode ini bekerja menggunakan algoritma tree/pohon yang bertujuan untuk membentuk solusi yang paling efisien. Langkah kerjanya seperti ini, dimana dari data yang sudah ada akan diproses dengan beberapa subsampel boostrap dan setelah subsampel bosstrap terbentuk maka akan dilanjutkan menggunakan algoritma tree/pohon untuk mendapatkan hasil solusinya.[5][6]
Random Forest Model
Random Forest Model adalah metode dengan model hutan acak dimana terdapat fitur acak untuk memecahkan sebuah solusi. Metode ini bekerja dengan menerapkan tingkat diferensi karena pada setiap pohonnya akan dibagi-bagi berdasarkan fitur yang sudah ada. Tujuan menerakan tingkat deferensi ini adalah memberikan ensambel yang lebih besar untuk hasil yang efisien dan akurat.[7][8]
Boosting
adalah metode yang digunakan untuk memecahkan solusi dengan data yang sama disetiap algoritma pohonnya, disetiap pembuatan pohonnya akan ada penggunaan bobot pada setiap datanya dengan cara menyebarkan bobot yang berbeda pada setiap iterasinya yang berujuan untuk mempermudah penggabungan dari banyaknya hasil pohon yang dihasilkan.[9][10]
Stacking
Stacking adalah metode yang menggabungkan klasifikasi melalui meta-classifier atau meta-regressor. Tujuan dari penggabungan tersebut untuk membuat hasil prediksi akhirnya.[11]
Refrensi
1.^[12] 2.[13] 3.[14] 4.[15] 5.[16]
- ^ https://dzone.com/articles/ensemble-learning-to-improve-machine-learning-resu
- ^ https://en.wikipedia.org/wiki/Ensemble_learning
- ^ https://dzone.com/articles/ensemble-learning-to-improve-machine-learning-resu
- ^ https://dzone.com/articles/ensemble-learning-to-improve-machine-learning-resu
- ^ https://en.wikipedia.org/wiki/Ensemble_learning
- ^ https://towardsdatascience.com/ensemble-methods-in-machine-learning-what-are-they-and-why-use-them-68ec3f9fef5f
- ^ https://en.wikipedia.org/wiki/Ensemble_learning
- ^ https://towardsdatascience.com/ensemble-methods-in-machine-learning-what-are-they-and-why-use-them-68ec3f9fef5f
- ^ www.toptal.com/machine-learning/ensemble-methods-machine-learning
- ^ https://en.wikipedia.org/wiki/Ensemble_learning
- ^ https://en.wikipedia.org/wiki/Ensemble_learning
- ^ https://dzone.com/articles/ensemble-learning-to-improve-machine-learning-resu
- ^ ^ https://en.wikipedia.org/wiki/Ensemble_learning
- ^ ^ http://www2.islab.ntua.gr/attachments/article/86/Ensemble%20methods%20-%20Zhou.pdf
- ^ ^ https://www.toptal.com/machine-learning/ensemble-methods-machine-learning
- ^ https://towardsdatascience.com/ensemble-methods-in-machine-learning-what-are-they-and-why-use-them-68ec3f9fef5f