Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, SVM dengan kernel RBF yang berhasil memisahkan data berbentuk lingkaran, sesuatu yang mustahil dilakukan garis lurus. Kita juga melihat bagaimana parameter C dan gamma mengubah bentuk batas keputusan, lalu memakai SVM untuk mengenali angka tulisan tangan. Ayo kita mulai. Halo, selamat datang di episode ke-8 seri Machine Learning dengan Python. Support Vector Machine atau SVM adalah algoritma klasifikasi yang mencari garis pemisah dengan jarak paling lebar ke data terdekat dari kedua kelas. Jarak itu disebut margin. Kekuatan utamanya adalah kernel trick, cara cerdas untuk memisahkan data yang tidak bisa dipisahkan garis lurus.
Langkah 1: Margin dan support vector
Kita buat file svm.py. Pertama, data dua kelompok yang mudah dipisahkan, dibuat dengan make blobs. Kita latih SVC dengan kernel linear. Untuk menggambar batas keputusan, kita buat fungsi gambar yang menghitung decision fungsi di seluruh grid titik. Garis tegas adalah batas keputusan, dua garis putus-putus adalah tepi margin, dan titik yang dilingkari adalah support vector, data paling dekat yang menentukan posisi garis.
Langkah 2: Kernel trick pada data melingkar
Sekarang tantangannya, data berbentuk lingkaran di dalam lingkaran, dibuat dengan make circular class. Tidak ada garis lurus yang bisa memisahkannya. Kita bandingkan kernel linear dengan kernel RBIF. Kernel linear gagal, akurasinya sekitar separuh, sama saja dengan menebak. Kernel RBIF berhasil memisahkan semuanya dengan sempurna. Kernel trik seolah mengangkat data ke dimensi yang lebih tinggi. Tempat kedua lingkaran bisa dipisahkan oleh bidang datar.
Langkah 3: Pengaruh C dan gamma
Kernel RBIF punya dua parameter penting. C mengatur seberapa keras model menghukum kesalahan, C besar membuat batas mengikuti setiap titik. Gamma mengatur seberapa jauh pengaruh satu titik, gamma besar membuat batas berkelok-kelok. Kita gambar empat kombinasi pada data bulan sabit dari make months. Lihat kombinasi gamma besar dan C besar. Batasnya membentuk pulau-pulau kecil, tanda overfitting.
Langkah 4: Mengenali angka tulisan tangan
Terakhir, SVM pada data nyata. Buat file angka .py Dataset digits berisi 1797 gambar angka tulisan tangan berukuran 8x8 piksel. Kita latih SVC dengan kernel RBIF dan mendapat akurasi di atas 99%. Lalu kita tampilkan 10 gambar uji beserta tebakan model, dan hampir semuanya benar.
. Selesai!
Selesai! Kita sudah belajar margin dan support vector, kernel linear dan RBIF, pengaruh C dan gamma, serta SVM untuk mengenali angka. Ingat, SVM berbasis jarak, jadi selalu lakukan scaling fitur. Di episode berikutnya kita belajar ensemble learning, beging, boosting, XGBoost, dan lightGBM. Ingin menguasai machine learning dan data science? Cerdas inovasi digital membuka kursus Python, machine learning, dan AI dari dasar, jasa pembuatan model prediksi, analisis data, dan aplikasi AI untuk bisnis maupun penelitian, serta menjual source code lengkap tutorial ini. Ingin menguasai seluruh seri ini, dari pengenalan machine learning sampai diplo model ke web? Semua 18 episode, lengkap dengan PDF panduan langkah demi langkah, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
