Pemelajaran mesin: Perbedaan antara revisi
Merapikan ejaan, menambah tipe algoritma |
|||
Baris 12: | Baris 12: | ||
[[Kategori:Pembelajaran mesin|Pembelajaran mesin]] |
[[Kategori:Pembelajaran mesin|Pembelajaran mesin]] |
||
[[ar:تعلم آلي]] |
|||
[[az:Maşın öyrənmə]] |
|||
[[bg:Машинно обучение]] |
|||
[[ca:Aprenentatge automàtic]] |
|||
[[cs:Strojové učení]] |
|||
[[de:Maschinelles Lernen]] |
|||
[[el:Μηχανική μάθηση]] |
|||
[[en:Machine learning]] |
|||
[[es:Aprendizaje automático]] |
|||
[[et:Masinõppimine]] |
|||
[[fa:یادگیری ماشینی]] |
|||
[[fi:Koneoppiminen]] |
|||
[[fr:Apprentissage automatique]] |
|||
[[he:למידה חישובית]] |
|||
[[it:Apprendimento automatico]] |
|||
[[ja:機械学習]] |
|||
[[kn:ಯಂತ್ರ ಕಲಿಕೆ]] |
|||
[[ko:기계 학습]] |
|||
[[lt:Sistemos mokymasis]] |
|||
[[lv:Mašīnmācīšanās]] |
|||
[[mk:Машинско учење]] |
|||
[[nl:Machinaal leren]] |
|||
[[nn:Maskinlæring]] |
|||
[[no:Maskinlæring]] |
|||
[[pl:Uczenie maszynowe]] |
|||
[[pt:Aprendizagem de máquina]] |
|||
[[ru:Машинное обучение]] |
|||
[[sl:Strojno učenje]] |
|||
[[sq:Automati nxënës]] |
|||
[[sr:Машинско учење]] |
|||
[[sv:Maskininlärning]] |
|||
[[ta:இயந்திர கற்றல்]] |
|||
[[th:การเรียนรู้ของเครื่อง]] |
|||
[[tl:Pagkatuto ng makina]] |
|||
[[tr:Makine öğrenimi]] |
|||
[[uk:Машинне навчання]] |
|||
[[vi:Học máy]] |
|||
[[zh:机器学习]] |
Revisi per 1 April 2013 08.57
Pembelajaran mesin, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer untuk mengembangkan perilaku yang didasarkan kepada data empiris, seperti dari sensor data basis data. Sistem pembelajar dapat memanfaatkan contoh (data) untuk menangkap ciri yang diperlukan dari probabilitas yang mendasarinya (yang tidak diketahui). Data dapat dilihat sebagai contoh yang menggambarkan hubungan antara variabel yang diamati. Fokus besar penelitian pembelajaran mesin adalah bagaimana mengenali secara otomatis pola kompleks dan membuat keputusan cerdas berdasarkan data. Kesukarannya terjadi karena himpunan semua peri laku yang mungkin, dari semua masukan yang dimungkinkan, terlalu besar untuk diliput oleh himpunan contoh pengamatan (data pelatihan). Karena itu pembelajar harus merampatkan (generalisasi) peri laku dari contoh yang ada untuk menghasilkan keluaran yang berguna dalam kasus-kasus baru.
Tipe algoritma
Algoritma dalam pembelajaran mesin dapat dikelompokkan berdasarkan keluaran yang diharapkan dari algoritma.
- Pembelajaran terarah (supervised learning) membuat fungsi yang memetakan masukan ke keluaran yang dikehendaki. Misalnya pengelompokan (klasifikasi).
- Pembelajaran tak terarah (unsupervised learning) memodelkan himpunan masukan, seperti penggolongan (clustering).