6
4. Regresi
Regresi adalah
fungsi
pembelajaran
yang
memetakan sebuah
unsur
data
ke
sebuah
variabel prediksi bernilai
nyata.
Aplikasi dari
regresisi
ini
misalnya adalah pada
prediksi
volume
biomasa
di
hutan
dengan
didasari
pada
pengukuran gelombang
mikro
penginderaan
jarak
jauh
(remotely-sensed),
prediksi
kebutuhan
customer
terhadap
sebuah produk baru sebagai fungsi dari pembiayaan advertensi, dan lain-lain.
Metode data mining
Banyak
teknik dan
metode
yang ada
untuk
melakukan berbagai
jenis tugas data
mining.
Metode
ini
dikelompokkan
dalam
3
paradigma
utama
data
mining:
Predictive
Modeling, Discovery, dan Deviation Detection.
1. Predictive Modeling
Aplikasi Predictive Modeling
menghasilkan klasifikasi atau prediksi. Tujuan dari
predictive
modeling
adalah
menemukan pola
yang
melibatkan
variabel
untuk
memprediksi dan
mengklasifikasi perilaku
masa depan dari sebuah entitas. Ada
dua tipe
masalah yang diselesaikan oleh predictive modeling: klasifikasi dan regresi.
1.1
Klasifikasi
melibatkan
model
pembelajaran yang
memetakan
(atau
mengklasifikasi) data contoh ke dalam satu atau beberapa kelas
yang telah didefinisikan.
Sebagai
contoh,
bank
dapat
menggunakan
skema
klasifikasi
untuk
menentukan
pengajuan pinjaman
yang
akan
disetujui.
Teknik
klasifikasi meliputi
Naive
Bayesian,
neural networks, dan decision trees.
1.2
Regresi
melibatkan
model
yang
memetakan data
contoh
ke
prediksi
real-
valued.
Teknik
regresi
meliputi
neural
networks
dan
decision
(atau
regression)
trees.
 |