Macam-macam regresi

Machine learning adalah merupakan salah satu ilmu dari computer science yang membuat computer itu mempunyai suatu kecerdasan. Dengan kata lain, computer atau mesin harus dapat belajar agar mendapatkan kecerdasan.

machine learning digunakan untuk mendeteksi wajah, mendeteksi spam, dan menggunakan untuk mencari buku. selain itu, machine learning digunakan untuk mendeteksi penipuan, memprediksi pola click-thru, dan iklan bertarget didalam sosial media.

Machine learning memiliki beberapa tipe, salah satunya adalah regresi.

Regresi

Regresi adalah metode analisis statistik yang menggunakan 2 variabel yang saling berhubungan. Contoh jumlah jam belajar mempengaruhi nilai di sekolah.

Tujuan utama penggunaan analisa regresi sebagai berikut :

• Membuat nilai rata-rata dan nilai variabel didasarkan nilai variabel bebas
• Menguji hipotesis karakteristik dependensi
• Memprediksi nilai rata-rata berdasarkan nilai variabel bebas diluar jangkauan sample

Regresi memiliki 5 tipe. Berikut tipe-tipe dari regresi :

• Simple Linear
• Polynomial Regression
• Support Vector Regression
• Decision Tree Regression
• Random Forest Regression

Simple linear

Merupakan teknik regresi yang paling umum digunakan. Nilai target variabel Y akan diprediksi berdasarkan variabel X yang merupakan input. Hubungan linear harus ada antara variabel target.

Rumus dan hasil dari simple linear:

Polynomial Regression

Polynomial regression akan merubah data asli menjadi model polinomial dengan derajat tertentu yang kemudian akan di terapkan simple linear regression.

Rumus dan hasil dari polynomial regression :

Support Vector Regression

Didalam Support Vector Regression, hyperplane akan diidentifikasi dengan margin maksimum sehingga jumlah titik data maksimum berada di margin itu.

Contoh hasil Support Vector Regression :

Decision tree regression

Penggunaan decision tree untuk mengklasifikasi serta regresi. Dalam decision tree, pada setiap level kita perlu mengidentifikasi atribut pemisahan. Dalam kasus regresi, algoritma ID3 dapat digunakan untuk mengidentifikasi node pemisah dengan mengurangi deviasi standar (dalam gain informasi klasifikasi digunakan).

Contoh decision tree :

Random forest regression

Random forest regression digunakan untuk memperhitungkan prediksi beberapa decision tree.

Contoh dari random forest regression :

Kesimpulannya, regresi merupakan bagian penting dari machine learning.