59
yang
akan
hanya
bekerja
dengan
baik
pada
data
training,
kita
harus
tahu
kapan
harus berhenti
melakukan
training.
Beberapa
implementasi
akan mengevaluasi
jaringan saraf
pada
data penguji secara
periodik selama
latihan.
Selama error
rate
dalam
himpunan
penguji
terus
menurun,
training
akan
terus dilakukan.
Jika
error
rate bertambah,
meskipun
error
rate
pada
data
traininng
terus
menurun,
maka
jaringan
saraf mungkin
mengalami
overfitting.
Grafik
dalam
gambar
mengilustrasikan
bagaimana
himpunan
data penguji
dapat
menolong
kita
menghindari
overfitting.
Kita
dapat
melihat
bahwa
error
rate
terus
menurun
pada
tiap
lewatan
jariingan
saraf
terhadap
data
(garis
titik-titik),
akan
tetapi
error
rate
untuk
data penguji
mengalami
kenaikan.
Karena
tujuan
dari
data
mining
adalah
untuk
membuat
prediksi
pada
data
yang
bukan
himpunan
traininng,
maka
kita
tentu saja
harus menggunakan
jaringan saraf
yang akan meminimalisasi error
pada data penguji, bukan data training.
Gambar 2.18 Algoritma Kesalahan Dalam Backpropagation
Heteroassociative Memory
Jaringan syaraf associative memory adalah jaringan yang bobot-bobotnya
ditentukan sedemikian rupa sehingga jaringan tersebut
dapat menyimpan
kumpulan
pengelompokan
pola.
Masing-masing
kelompok
merupakan
pasangan
 |