Machine Learning merupakan salah satu hal yang berkaitan erat dengan ilmu Data Science. Machine Learning sendiri merupakan bagian dari Artificial Intelligence (AI) yang digunakan untuk meniru hingga menggantikan cara atau perilaku manusia dalam menghadapi dan menyelesaikan permasalahan. Dengan kata lain, Machine Learning adalah mesin yang dilatih secara terus menerus agar dapat mengenal lingkungannya sehingga dapat memiliki pola pikir layaknya manusia dalam pengambilan keputusan.
Salah satu bahasa pemrograman yang dapat digunakan untuk membuat Machine Learning ini adalah Python. Python yang dikenal cukup fleksibel dalam banyak, termasuk dalam pembangunan Machine Learning dan Artificial Intelligence. Ada banyak library yang dapat mendukung hal ini sehingga Python mampu untuk mengaplikasikan berbagai algoritma Machine Learning yang ada. Contohnya adalah algoritma Support Vector Machine. Nah, dalam artikel ini kita akan membahas mengenai algoritma Support Vector Machine secara lebih luas. Penasaran kan? Yuk, simak artikelnya!
1. Algoritma Support Vector Machine
Algoritma Support Vector Machine merupakan salah satu algoritma yang termasuk dalam kategori Supervised Learning, yang artinya data yang digunakan untuk belajar oleh mesin merupakan data yang telah memiliki label sebelumnya. Sehingga dalam proses penentuan keputusan, mesin akan mengkategorikan data testing ke dalam label yang sesuai dengan karakteristik yang dimiliki nya.
Cara kerja dari metode Support Vector Machine khususnya pada masalah non-linear adalah dengan memasukkan konsep kernel ke dalam ruang berdimensi tinggi. Tujuannya adalah untuk mencari hyperplane atau pemisah yang dapat memaksimalkan jarak (margin) antar kelas data. Untuk menemukan hyperplane terbaik, kita dapat mengukur margin kemudian mencari titik maksimalnya. Proses pencarian hyperplane yang terbaik ini adalah ini dari metode Support Vector Machine ini.
Baca juga : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula
2. Jenis Kernel dalam Support Vector Machine
Dalam algoritma Support Vector Machine, terdapat beberapa jenis kernel yang sering digunakan, yaitu:
Kernel Linear, biasanya dataset yang cocok menggunakan kernel ini adalah dataset yang linear.
Kernel Polynomial, digunakan untuk dataset normal
Kernel Radial Basis Function (RBF) atau Gaussian, menjadi kernel yang paling banyak digunakan karena tingginya nilai akurasinya. Biasanya digunakan untuk dataset yang tidak terpisah secara linear
Kernel Sigmoid, pengembangan dari jaringan saraf tiruan.
3. Library Python yang Dapat Digunakan
Untuk menggunakan algoritma Vector Support Machine dengan Python tentunya akan membutuhkan library tertentu. Sebenarnya, hampir semua algoritma Machine Learning menggunakan library yang sama, begitu pun algoritma Support Vector Machine ini. Library yang akan banyak digunakan adalah Pandas yang digunakan untuk me-manage data, Numpy untuk melakukan hal-hal yang berhubungan dengan angka, Sklearn atau Scikit Learn yang digunakan untuk memanggil algoritma Support Vector Machine, dan yang terakhir adalah Matplotlib dan juga Seaborn yang digunakan untuk visualisasi.
Baca juga : Python : Kenali 3 Buku yang Akan Mempercepat Kamu Dalam Belajar Python
4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!
Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:
Buat Akun Gratis dengan Signup di DQLab.id/signup
Buka academy.dqlab.id dan pilih menu redeem voucher
Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi.
Function Tools adalah evaluasi sebuah function, yang bisa digunakan untuk mencari F(x)=0, mencari nilai maksimal, dan minimal, serta interpolasi data. Kita akan bahas satu-persatu
Evaluasi Fungsi Polynomial
Contents
Sebuah persamaan fungsi polynomial berbentuk sebagai berikut yang diurutkan berdasarkan orde n tinggi sampai ke rendah
Misalkan kita punya persamaan sebagai berikut
atau ditulis sebagai
Dari persamaan diatas berapa nilai g(10)? Untuk mencari hasil diatas cukup menggunakan perintah polyval(f,x) function tersebut juga bisa menerima sebuah array koq
clc;clear all;close all; g = [2,0,5,-1]; x = 10; x2 = 1:10; a = polyval(g,x) b = polyval(g,x2)hasil
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049Perkalian Polynomial
Tidak sampai disitu saja, kalian juga bisa melakukan perkalian antar polynomial lho, misalkan perkalian antara g(x) dan h(x) dibawah ini
Cukup menggunakan perintah conv(g,h) yang akan diporoleh sebuah persamaan baru lagi, kita sebut saja p(x)
clc;clear all;close all; g = [2,0,5,-1]; h = [6,0,-7]; p = conv(g,h)hasil
p = 12 0 16 -6 -35 7Contoh lain berikut yang akan membuat persamaan kuadrat orde 2
Perkalian diatas menghasilkan
clc;clear all;close all; a = [1,-2]; b = [1,4]; c = conv(a,b)hasil
c = 1 2 -8Mencari akar Persamaan Polynomial
Untuk mencari akar persamaan kuadrat sangatlah mudah, yaitu untuk mengitung f(x)=0, agar mudah gunakan persamaan diatas
Berapa nilai akar persamaan kuadrat diatas? Cukup gunakan perintah roots()
clc;clear all;close all; c = [1,2,-8]; d = roots(c)hasil
d = -4 2Turunan Pertama dari Persamaan Polynomial
Turunan pertama atau fungsi derifatif, sangat mudah dilakukan di Matlab yaitu cukup dengan perintah polyder(), misalkan turunan pertama dari
Adalah
Bila kita turunkan lagi menjadi
Kita coba saja yuk
clc;clear all;close all; c = [1,2,-8]; c1 = polyder(c) c2 = polyder(c1)hasil
c1 = 2 2 c2 = 2Bagaimana menurut kalian cara melakukan operasi pada fungsi polynomial di matlab? Sangat mudah bukan
Mencari Nol dari Fungsi
Pada pembahasan sebelumnya untuk mencari nol dari fungsi polynomial menggunakan perintah root(), sedangkan ada perintah lain berupa fzero() yang membutuhkan sebuah tebakan awal/initial value karena perintah ini menggunakan algoritma iteratif. Agar mudah, kita akan gunakan persamaan diatas yang dibuat sebuah anonymous function dan sedikit perubahan agar bisa menerima input berupa vector/array
Oiya kenapa kita menggunakan anonymous bukan dibuat sebuah script? Karena fungsi tersebut bersifat lokal serta hanya perlu 1 baris saja sehingga menghemat tempat dan tidak kebanyakan script
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 0Untuk mentukan sebuah tebakan awal, sebaiknya kita buat sebuah plot dengan perintah fplot(), mari kita coba dengan sebuah array x=[-5,5]
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 1Malahan dengan plot diatas, kita mendapat sebuah informasi titik global minimalnya juga serta ada 2 nilai x yang akan menghasilkan nilai y =0, kita coba saja perintah berikut dengan tebakan awal -5 dan 0
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 2Maka hasilnya sebagai berikut
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 3Mencari global minimum dari fungsi
Misalkan kita ingin mencari minimum
dari fungsi f(x).Metode iteratif ini membutuhkan tebakan awal
. Dari nilai awal ini akan diperoleh nilai berikutnya,, yang diharapkan semakin mendekati. Seberapa dekatketergantung pada metode numerik yang digunakan. Proses iterasi ini berlanjut hingga nilaiyang mendekati dengan akurasi tertentu diperoleh, di manacukup kecil.Oiya Dalam MATLAB tidak ada command untuk menentukan maksimum suatu fungsi f(x), namun dalam hal ini bisa digunakan fungsi g(x) = − f(x) untuk dicari minimumnya. Perintah yang digunakan untuk mencari sebuah nilai minimal dengan nilai rentang tertentu yaitu fminbnd(fun,x1,x2). Kita coba saja buktikan apakah hasilnya sesuai dengan plot diatas bila menggunakan persamaan
Nilai range
dana = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 4hasilnya
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 5Artinya bahwa ketika
maka nilaiakan mempunyai nilai global minimalMencari global minimum dari banyak variabel fungsi
Perhatikan gambar surface berikut
a = 2049 b = Columns 1 through 5 6 25 68 147 274 Columns 6 through 10 461 720 1063 1502 2049 6Merupakan sebuah hasil dari persamaan sebagai berikut
Mempunyai nilai minimum z(x,y) = -1, pertanyaannya yaitu berapa nilai x dan y nya? Nah untuk membuat function harus kita ubah menjadi sebuah array x dan y diubah menjadi x(1) dan x(2), sedangkan perintah yang digunakan untuk mencari global minimal dengna perintah fminsearch(). Sesuai dengan informasi diatas, tebakan awal yaitu 0 sampai dengan 1
Mengapa menggunakan regresi polinomial?
Regresi Polinomial sendiri merupakan metode yang digunakan untuk menentukan bentuk dari hubungan antar variabel, dimana regresi ini bertujuan untuk meramalkan atau menduga nilai satu variabel dalam hubungannya dengan variabel lain yang diketahui melalui persamaan regresi.Apa modul yang digunakan dalam Python untuk membuat simple linear regression?
Module LinearRegression digunakan untuk memanggil algoritma Linear Regression.Apa itu Regression Machine Learning?
Regresi merupakan machine learning kategori supervised learning dengan target data berupa data numerik. linear regression atau least-square merupakan sebuah metode untuk memodelkan hubungan antar variabel terikat/target (Y) dengan satu atau lebih variabel bebas/prediktor (X).