Jenis-jenis teknologi machine learning
Machine learning bekerja bersama menghimpun knowledge kemudian jalankan anggapan untuk mendapatkan ilmu secara real time. Hal yang menarik berasal dari ilmu selanjutnya adalah kemampuannya yang bisa menghidupkan prediksi yang terkumpul berasal dari tren knowledge terkumpul. Cara kerja machine learning terbagi di dalam lebih dari satu model di antaranya:
- Supervised learning
Supervised learning merupakan teknologi machine learning yang memilah knowledge bersama menambahkan label tertentu. Cara kerja metode ini memasukkan informasi sebagai knowledge input. Sementara outputnya bersifat knowledge berlabel. Machine learning ini berkolaborasi bersama pengawasan berasal dari manusia. Pengawasan machine learning di dalam metode ini ditunaikan oleh knowledge berlabel yang bisa dikembangkan bersama pertalian antardata atau label.
Contoh penerapan machine learning knowledge berlabel pada usaha online pakaian:
Data input: informasi pelanggan memuat nama, usia, domisili, dan lain-lain.
Data ouput: informasi pelanggan berdasarkan domisili Benua Asia, Amerika, Australia yang terbagi di dalam lebih dari satu kategori umur atau produk yang terjual.
- Semi-supervised learning (unsupervised)
Sedikit berbeda bersama supervised learning, metode semi-supervised learning merupakan kemampuan untuk belajar tanpa pengawasan. Prosesnya ditunaikan pada dataset mentah yang tidak berlabel dan algoritma machine learning bakal mencoba mengidentifikasi pola dan relasi antardata tanpa dukungan berasal dari pengembang Informasi Terbaru.
Metode unsupervised learning bekerja cuma bersama komputer. Machine learning benar-benar mempelajari sebuah knowledge dan mengaitkan antarhubungan secara mandiri. Unsupervised learning digunakan untuk memudahkan pengembang menyita keputusan.
Machine learning bersama metode unsupervised learning bisa mendeteksi anomali atau mengungkap transaksi atau pembayaran yang curang. Unsupervised learning bisa secara otomatis mencari informasi sesudah mengelompokkan knowledge konsumen (bukan knowledge berlabel).
- Reinforcement learning
Reinforcement learning adalah algoritma yang tidak bisa lepas berasal dari knowledge science. Machine learning model ini menggunakan proses positif-negatif atau reward–punishment di dalam cara kerjanya.
Algoritma di dalam metode reinforcement learning bakal belajar secara konsisten berasal dari lingkungan atau kebiasaan pertalian yang berhubungannya dengannya. Misalnya machine learning di dalam kasus usaha online, machine learning bakal bisa memilah dua kategori. Pelanggan yang bisa selesaikan pembayaran sampai menambahkan rating baik dikategori positif. Sementara knowledge kategori negatif andaikata pelanggan yang gagal bayar atau memiliki kendala tertentu.
