Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Di Modul regresi logistik,
Anda telah mempelajari cara menggunakan fungsi sigmoid
untuk mengonversi output model mentah menjadi nilai antara 0 dan 1 untuk membuat prediksi
probabilistik—misalnya, memprediksi bahwa email tertentu memiliki peluang 75%
menjadi spam. Namun, bagaimana jika sasaran Anda bukan untuk menghasilkan probabilitas, tetapi kategori—misalnya, memprediksi apakah email tertentu adalah "spam" atau "bukan spam"?
Klasifikasi adalah
tugas memprediksi dari sekumpulan class
(kategori) mana contoh tersebut berasal. Dalam modul ini, Anda akan mempelajari cara mengonversi
model regresi logistik yang memprediksi probabilitas menjadi
klasifikasi biner
yang memprediksi salah satu dari dua class. Anda juga akan belajar cara
memilih dan menghitung metrik yang sesuai untuk mengevaluasi kualitas
terhadap prediksi model klasifikasi. Akhirnya, Anda akan mendapatkan
pengantar singkat tentang
klasifikasi kelas multi-kelas
masalah, yang akan dibahas
lebih mendalam di materi ini.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Informasi yang saya butuhkan tidak ada","missingTheInformationINeed","thumb-down"],["Terlalu rumit/langkahnya terlalu banyak","tooComplicatedTooManySteps","thumb-down"],["Sudah usang","outOfDate","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Masalah kode / contoh","samplesCodeIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-07-27 UTC."],[],[]]
