Unsupervised Learning

Pendahuluan:

Komputer dapat belajar dan beradaptasi dengan menggunakan pola dan algoritma dari catatan sebelumnya. Tanpa instruksi eksplisit, komputer Anda menganalisis dan menyimpulkan dari data sebelumnya, memperkirakan hasil di masa depan berdasarkan dasar catatan saat ini. Tetapi dalam unsupervised learning, Anda tidak perlu menyediakan data berlabel atau melatih mesin seperti pada supervised machine learning.

Apa itu unsupervised learning?

Unsupervised learning juga dikenal sebagai unsupervised machine learning. Dengan unsupervised learning, Anda tidak perlu melatih data. Data yang diberikan kepada mesin tidak berlabel. Mesin memprediksi pola dan berbagai informasi dari data tak berlabel ini secara mandiri. Mesin memprediksi kelompok tersembunyi dan informasi lain yang diperlukan untuk solusi.[1]

Apa saja contoh supervised learning?

Strategi unsupervised learning, berbeda dengan supervised learning, cocok digunakan ketika variabel (yaitu label) tidak disediakan. K-Means Clustering, Principal Component Analysis, dan Hierarchical Clustering adalah contoh teknik unsupervised learning.

Bagaimana cara kerja supervised learning?

Seperti dijelaskan di atas, dataset yang diberikan dalam unsupervised learning tidak diberi label dengan benar. Artinya data tidak dikategorikan dan keluaran yang sesuai tidak diberikan pada data. Mesin melatih dirinya sendiri. Pertama, ia menafsirkan data mentah untuk menemukan pola tersembunyi dalam data, lalu algoritma yang sesuai diterapkan pada data. Setelah algoritma yang diterapkan selesai, objek data dibagi menjadi kelompok-kelompok berdasarkan kemiripan kelompok.[2]

Apa saja kategori unsupervised learning?

Berikut adalah kategori yang dimiliki unsupervised learning.

1. Clustering
2. Asosiasi

Apa keunggulan supervised learning?

• Ia mampu melihat apa yang tidak mampu dilihat otak manusia.
• Ini digunakan untuk menemukan karakteristik tersembunyi yang penting bagi bisnis dan memiliki beragam penerapan nyata.
• Tugas tanpa pengawasan dapat menghasilkan segmen atau usaha bisnis yang sama sekali baru.
• Dibandingkan dengan masalah supervised learning, kompleksitasnya lebih rendah. Karena tidak ada yang perlu memahami label terkait, kerumitan berkurang.
• Dataset jauh lebih mudah diperoleh.

Apa kekurangan supervised learning?

• Lebih mahal karena keterlibatan manusia mungkin diperlukan untuk memahami tren dan menghubungkannya menggunakan keahlian domain.
• Karena tidak ada label atau metrik keluaran untuk memastikan kegunaannya, sering kali tidak ada jaminan bahwa hasil yang dihasilkan akan bermanfaat.
• Jenis dan keluaran tugas tanpa pengawasan tidak dapat didefinisikan secara tepat. Ia sangat bergantung pada desain dan, akibatnya, pada komputer.
• Presisi hasilnya sering kurang.

Kesimpulan:

Unsupervised learning adalah pendekatan machine learning di mana model tidak memerlukan pengawasan. Unsupervised machine learning membantu menemukan pola yang sebelumnya belum ditemukan dalam data.

1. Pratt, M.K. unsupervised learning. Tersedia dari: https://www.techtarget.com/searchenterpriseai/definition/unsupervised-learning.
2. Unsupervised Machine Learning. Tersedia dari: https://www.javatpoint.com/unsupervised-machine-learning.

Tugas unsupervised learning yang umum

• Clustering: mengelompokkan item serupa, misalnya segmen pelanggan untuk pemasaran. Algoritma populer: k-means, hierarchical clustering, dan DBSCAN.
• Reduksi dimensi: memadatkan banyak fitur menjadi sedikit sambil mempertahankan strukturnya, menggunakan metode seperti PCA.
• Aturan asosiasi: menemukan barang yang sering dibeli bersamaan, seperti pada analisis keranjang belanja.
• Deteksi anomali: menemukan transaksi atau pembacaan sensor yang tidak biasa.

Contoh bisnis

Sebuah pengecer dapat mengelompokkan pelanggan berdasarkan perilaku belanja untuk menyesuaikan penawaran, toko dapat menemukan produk yang terjual bersamaan untuk menempatkannya berdampingan, dan bank dapat menandai aktivitas kartu yang tidak biasa. Analitik ritel seperti ini merupakan bagian dari layanan analitik AI kami.

Unsupervised vs supervised learning

Supervised learning membutuhkan data berlabel dan memprediksi jawaban yang sudah diketahui; unsupervised learning tidak memiliki label dan mencari struktur tersembunyi. Baca supervised learning dan semi-supervised learning untuk melihat perbedaannya.

Jawaban singkat

Apakah clustering termasuk supervised atau unsupervised?

Clustering bersifat unsupervised karena kelompok ditemukan, bukan diberikan.