Supervised, Unsupervised, Reinforcement
Yang membedakan ketiganya bukan algoritmanya, tapi bentuk umpan balik yang tersedia. Itu satu pertanyaan, dan jawabannya menentukan segalanya.
Yang akan Anda bisa
- Membedakan tiga jenis pembelajaran dari bentuk datanya
- Memilih jenis yang tepat untuk sebuah masalah nyata
- Mengenali masalah yang terlihat supervised padahal bukan
Ada satu pertanyaan yang memisahkan ketiga jenis pembelajaran, dan pertanyaannya bukan tentang algoritma: umpan balik seperti apa yang Anda punya?
| Jenis | Umpan baliknya | Bentuk pertanyaannya |
|---|---|---|
| Supervised | Jawaban benar untuk setiap contoh | "Ini apa?" / "Berapa nilainya?" |
| Unsupervised | Tidak ada jawaban sama sekali | "Ada pola apa di sini?" |
| Reinforcement | Skor, setelah serangkaian tindakan | "Tindakan apa yang sebaiknya saya ambil?" |
Supervised: ada kunci jawabannya#
Anda punya data dengan label. Seribu email yang sudah ditandai spam atau bukan. Lima ribu rumah dengan harga jualnya. Model belajar memetakan dari masukan ke label itu.
Dua bentuknya, dan bedanya hanya pada jenis label:
| Klasifikasi | Regresi | |
|---|---|---|
| Labelnya | Kategori | Angka |
| Contoh | spam / bukan spam | harga rumah |
| Keluaran model | Kelas, atau probabilitas per kelas | Satu bilangan |
| Diukur dengan | Akurasi, presisi, recall, F1 | RMSE, MAE, R² |
Anda punya 5.000 rumah dengan harga jualnya, dan ingin menebak harga rumah baru. Masalah apa ini?
Unsupervised: tidak ada kunci jawaban#
Anda punya 50.000 pelanggan dan tidak ada label apa pun. Tidak ada yang bisa memberi tahu segmen mana yang "benar", karena segmen itu tidak ada sampai Anda membuatnya.
Reinforcement: umpan baliknya terlambat dan tidak lengkap#
Agen mengambil tindakan, lingkungan memberi hadiah atau hukuman, dan agen belajar dari itu. Yang membuatnya berbeda dari supervised bukan hadiahnya, tapi jeda waktunya: sebuah langkah catur yang buruk baru terasa akibatnya dua puluh langkah kemudian, dan tidak ada yang memberi tahu langkah mana yang salah.
Jebakan: masalah yang terlihat supervised#
Ini muncul terus di pekerjaan nyata. "Kami punya data historis, jadi ini supervised" — belum tentu. Pertanyaannya adalah apakah label yang Anda punya benar-benar menjawab pertanyaan yang Anda ajukan.
| Yang ingin diketahui | Label yang ada | Masalahnya |
|---|---|---|
| Pelanggan mana yang akan berhenti | Siapa yang sudah berhenti | Aman — asal definisi "berhenti" konsisten |
| Pinjaman mana yang akan macet | Pinjaman yang disetujui dan macet | Bias seleksi: yang ditolak tidak punya label |
| Iklan mana yang akan diklik | Iklan yang ditampilkan dan diklik | Bias seleksi: yang tidak pernah tampil tidak punya data |
| Harga optimal | Harga yang pernah dipasang dan penjualannya | Bukan supervised — ini pertanyaan sebab-akibat |
Baris terakhir adalah yang paling sering salah. Memprediksi penjualan dari harga yang pernah dipasang hanya memberi tahu Anda apa yang terjadi pada harga-harga itu — bukan apa yang akan terjadi pada harga yang belum pernah dicoba. Itu pertanyaan kausal, dan machine learning biasa tidak menjawabnya.
Anda diminta mendeteksi mesin yang akan rusak. Anda punya data sensor 2 tahun, tapi hanya 7 kerusakan yang tercatat. Ini masalah apa?