Download to read offline
08-Model deep learning menggunakan Regresi.pdf
- 1.
- 3.
- 4.
- 5.
- 6. Regresi • Regresi adalahproses untuk memprediksi nilai kontinu variable terikat. • Linier jika hubungan antara variabel bebas dan terikat adalah linier • Non-linier jika jika hubungan antara variabel bebas dan terikat adalah non-linier
- 7.
- 8. Linier, terhubung kuatLinier, terhubung lemah Hubungan antarvariabel
- 9. Linier, kuat Linier,Lemah Non-Linier Regresi Linier
- 10.
- 11. Contoh cara menerapkanregresi linier untuk prediksi CO2 berdasarkan ukuran mesin x1 (Ukuran Mesin) Y (Emisi CO2) Plot Data Y vs X 𝑦 = 𝜃0 + 𝜃1 𝑥1 Variabel prediksi Perpotongan sumbu y gradien Koefisien garis Variabel bebas tunggal Bagaimana mencari nilai 𝜃0 dan 𝜃1 ?
- 12. Estimasi parameter 𝜃0dan 𝜃1 (𝒎𝒂𝒕𝒆𝒎𝒂𝒕𝒊𝒔)
- 13. Prediksi CO2 berdasarkanUkuran Mesin
- 14. Evaluasi Akurasi Regresi 𝑅𝑀𝑆𝐸= 1 𝑛 𝑗=1 𝑛 𝑦𝑗 − 𝑦𝑗 2 Root Mean Squared Error: 𝑀𝐴𝐸 = 1 𝑛 𝑗=1 𝑛 𝑦𝑗 − 𝑦𝑗 Mean Absolute Error: Mencerminkan rata-rata error. 𝑀𝑆𝐸 = 1 𝑛 𝑗=1 𝑛 𝑦𝑗 − 𝑦𝑗 2 Mean Squared Error: Populer karena lebih mengutama error yang besar. Error
- 15. Pendekatan Evaluasi (Train/TestSplit) prepared data reserved test data learning data model candidate selected algorithm learning process model selection model refinement feature selection model tuning model evaluation model implementation
- 16.
- 17. Aplikasi Regresi • PrediksiNilai Penjualan per tahun seseorang • Berdasarkan umur, pendidikan dan pengalaman seorang sales • Analisis kepuasan pelanggan • Berdasarkan demografi dan faktor psikologis pelanggan • Estimasi Harga Rumah • Berdasarkan luas, jumlah kamar dll • Gaji Karyawan • Berdasarkan jenis pekerjaan, pendidikan, jenis kelamin, umur, pengalaman kerja dll.