Perbedaan antara Supervised dan Unsupervised Learning
Supervised Machine Learning
Supervised learning adalah metode machine learning di mana model dilatih menggunakan data berlabel. Dalam supervised learning, model perlu menemukan fungsi pemetaan untuk memetakan variabel input (X) dengan variabel output (Y).
Unsupervised Machine Learning
Unsupervised learning adalah metode machine learning lain di mana pola-pola disimpulkan dari data input yang tidak berlabel. Tujuan dari unsupervised learning adalah untuk menemukan struktur dan pola dari data input. Unsupervised learning tidak memerlukan supervisi.
Perbedaan antara Supervised dan Unsupervised Learning
| Supervised Learning | Unsupervised Learning |
|---|---|
| Algoritma supervised learning dilatih menggunakan data berlabel. | Algoritma unsupervised learning dilatih menggunakan data tidak berlabel. |
| Model supervised learning mengambil umpan balik langsung untuk memeriksa apakah menghasilkan output yang benar atau tidak. | Model unsupervised learning tidak mengambil umpan balik. |
| Model supervised learning memprediksi output. | Model unsupervised learning menemukan pola tersembunyi dalam data. |
| Dalam supervised learning, data input diberikan bersamaan dengan output. | Dalam unsupervised learning, hanya data input yang diberikan. |
| Tujuan supervised learning adalah melatih model sehingga dapat memprediksi output saat diberikan data baru. | Tujuan unsupervised learning adalah menemukan pola tersembunyi dan wawasan yang berguna dari dataset yang tidak diketahui. |
| Supervised learning memerlukan supervisi untuk melatih model. | Unsupervised learning tidak memerlukan supervisi untuk melatih model. |
| Supervised learning dapat dikategorikan dalam masalah Klasifikasi dan Regresi. | Unsupervised learning dapat diklasifikasikan dalam masalah Clustering dan Association. |
| Supervised learning dapat digunakan untuk kasus-kasus di mana kita mengetahui input serta output yang sesuai. | Unsupervised learning dapat digunakan untuk kasus-kasus di mana kita hanya memiliki data input dan tidak ada data output yang sesuai. |
| Model supervised learning menghasilkan hasil yang akurat. | Model unsupervised learning mungkin memberikan hasil yang kurang akurat dibandingkan dengan supervised learning. |
| Supervised learning tidak dekat dengan kecerdasan buatan yang sesungguhnya karena kita pertama-tama melatih model untuk setiap data, dan hanya setelah itu dapat memprediksi output yang benar. | Unsupervised learning lebih dekat dengan kecerdasan buatan yang sesungguhnya karena belajar serupa dengan bagaimana anak belajar rutinitas harian melalui pengalaman mereka. |
| Algoritma supervised learning mencakup berbagai algoritma seperti Regresi Linear, Regresi Logistik, Mesin Vektor Dukungan, Klasifikasi Multi-Kelas, Pohon Keputusan, Logika Bayesian, dll. | Algoritma unsupervised learning mencakup berbagai algoritma seperti Clustering, KNN, dan Algoritma Apriori. |
//TC
