Analitik Data Tingkat Lanjut (Klasifikasi)

Ukuran: px

Mulai penontonan dengan halaman:

Download "Analitik Data Tingkat Lanjut (Klasifikasi)"

Djaja Muljana
6 tahun lalu
Tontonan:

1 7 Noveber 06 Analtk Data Tngkat Lanjut lasfkas Ia Cholssodn

2 Pokok Bahasan. onsep lasfkas. Lnear dan Non-Lnear Classfer 3. Algorta lasfkas: o Etree Learnng Machne ELM Untuk Regres Vs ELM Untuk lasfkas o Support Vector Machne SVM Lnear dan Non- Lnear elas Bnar SVM > elas OAA-SVM OAO-SVM BDT-SVM DAG-SVM 4. Stud asus 5. Tugas

3 onsep lasfkas Just Revew Predks berbeda dengan klasfkas dala achne learnng klasfkas danggap sebaga salah satu jens dar predks. lasfkas dgunakan untuk epredks label kelas/kategor. lasfkas dapat dbag lag enjad dua aca atu: supervsed classfcaton lasfkas dan unsupervsed classfcaton Clusterng sudah dbahas pada perteuan sebelua Predks versus Peraalan Jangka waktu erupakan kata kunc untuk ebedakan antara predks dan peraalan

onsep lasfkas Just Revew Supervsed Learnng Pebelajaran ang terawas atu terdapat proses tranng dan testng: o Regres: untuk epredks nla ang sfatna kontnu.

4 onsep lasfkas Just Revew Supervsed Learnng Pebelajaran ang terawas atu terdapat proses tranng dan testng: o Regres: untuk epredks nla ang sfatna kontnu. o lasfkas: untuk epredks kelas atau label data dan bersfatna dskrt. Propert eluaran berupa Target Pencaran Nla Evaluas Supervsed Classfcaton lasfkas Dskrt label kelas Decson Boundar Akuras Regres ontnu angka best ft lne MSE MAE MAPE RMSE..

5 onsep lasfkas Just Revew Contoh Regres: Contoh lasfkas:

6 Lnear dan Non-Lnear Classfer Lnear Classfer Non-Lnear Classfer

7 Lnear dan Non-Lnear Classfer Lnear Classfer Non-Lnear Classfer

8 ELM Untuk Regres Just Revew Msalkan dketahu data tranng terdapat 3 ftur dan sngle target sebaga berkut Lhat Mater Pert. 6: Penelesaan: X = 0 0 Y = ftur ke- ftur ke- ftur ke-k k Input Laer j Hdden Laer Output Laer Hasl Predks 6. Menghtung Y predks ˆ H.ˆ Y 7. Htung MAPE MAPE N 30. Yˆ N Pada proses tranng ddapatkan hasl testng enggunakan data tranng sendr ash elk error MAPE sebesar 30. ˆ

9 ELM Untuk lasfkas Msalkan dketahu data tranng terdapat 3 ftur dan sngle target sebaga berkut: X = 0 0 Y = Yˆ elas elas Aktual Y ˆ Y ˆ Yˆ 3 Predks Penelesaan: 6. Menghtung Y predks ˆ H.ˆ Y 7. Htung Akuras Akuras N tran Y sebaga kelas aktual atu terdapat kelas dan 3 Yˆ % 55.56% 9 Pada proses tranng ddapatkan hasl testng enggunakan data tranng sendr ash elk nla akuras sebesar 55.56%

10 ELM Untuk Regres Just Revew Msalkan dketahu data testng sebaga berkut Lhat Mater Pert. 6: Data tranng: X = 0 0 Y = Data testng: 0 Xtest = Ytest = 3 Penelesaan:. Htung atrk output hdden H = /+ep-h nt H = Menghtung Y predks ˆ H.ˆ Y Yˆ dketahu aka 4. Htung MAPE N 3 ˆ MAPE N 3 Pada proses testng ddapatkan hasl predks dengan error MAPE sebesar ˆ

11 ELM Untuk lasfkas Msalkan dketahu data testng sebaga berkut: Data tranng: Penelesaan: Y sebaga kelas aktual atu terdapat kelas dan X = 0 0 Y = Data testng: 0 Xtest = Ytest = 3 Y test sebaga kelas aktual atu terdapat kelas dan 3 3. Menghtung Y predks ˆ H.ˆ Y Yˆ Htung Akuras dketahu aka Akuras 00% 66.67% N test 3 Pada proses testng ddapatkan nla akuras sebesar 66.67% ˆ Yˆ elas elas Y ˆ Aktual Yˆ Yˆ 3 Predks

12 Support Vector Machne SVM SVM Lnear w. + b = - w. + b = + Margn w w w = - SVM Non-Lnear w = + w. + b = 0 Support Vector kelas - Support Vector kelas + Jarak ttk ke Hperplane : d d w b w b w f w b w w w Hperplane Input Space Hgh-densonal Feature Space Φ

13 Support Vector Machne SVM SVM Non-Lnear terdapat data nose outlers atau eang sebaran datana secara ala non-lnear. Slack varables ξ dapat dtabahkan untuk entolerans adana sclassfcaton ang sult dpecahkan karena sal ada data nose. elas + elas -

14 Support Vector Machne SVM Langkah-langkah dala SVM:. Data dan kelas dana. Melakukan proses tranng untuk endapatkan nla α dengan enggunakan algorta Sequental Tranng SVM 3. Htung w dan b dan Hasl klasfkas sgnf n w b b b w w b ]. [ b f b f b f b w f n dana adalah julah support vector/ttk data ang elk α > 0

15 Support Vector Machne SVM Algorta Sequental Tranng SVM:. Insalsas nla α = 0 λ γ learnng rate C ε epslon IterMa paraeter kernel jka ada dan htung atrk D j untuk j =... n. Dana n adalah banakna data tranng. Dj j j. Melakukan teras untuk perhtungan: a. b. n E D j j n{a[ E c. 3. Cek konds berhent ketka eenuh konds a atau telah encapa IterMa jka tdak aka kebal pada langkah ke- j ] C } Note: Jka anda sudah paha SVR aka anda akan udah paha SVM d atas.

16 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan kelas Bnar SVM atau SVM Bner: Dketahu data tranng dan testng: No Tgl/Bln/Thn F F F3 F4 elas 9 Jul Jual 0 Jul Jual 3 Jul Bel 4 Jul Bel 5 3 Jul Bel 6 4 Jul Bel 7 5 Jul Bel 8 6 Jul Bel Data Lath Data Uj elas jual = + dan bel = -. Insalsas nla α = 0 λ = 4.3 γ learnng rate = C = 00 ε epslon = IterMa= σ = 0.7 dan htung atrk D j α

17 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan kelas Bnar SVM: Dketahu data tranng dan testng hasl noralsas dengan Xn= 9634 Xa= 478: No Tgl/Bln/Thn F F F3 F4 elas 9 Jul Jul Jul Jul Jul No Tgl/Bln/Thn F F F3 F4 elas 4 Jul Jul Jul elas jual = + dan bel = - ' a n n '

18 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan kelas Bnar SVM:. Insalsas α = 0 λ = 4.3 γ learnng rate = C = 00 ε epslon = IterMa= σ = 0.7 dan atrk D j D D j j j ep D j

19 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan kelas Bnar SVM:. Melakukan teras untuk perhtungan teras =: a. b. c. E E n jd j D j D D n{a[ E 3 3 D 4 ] C n{a[ E 4 D } ]00 } n{a[ ]00 0} E

20 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan kelas Bnar SVM: 3. Cek konds berhent ketka eenuh konds arena teras = IterMa Stop salkan jka a dan teras < IterMa aka teras = teras + lalu kebal pada langkah ke Htung b b

21 Support Vector Machne SVM Htung b Set nla + dan - dar asng kelas ang elk nla α tertngg atu dan karena seua nla α > 0 aka banakna support vector = banak data tranng atu 5 b b b

22 Support Vector Machne SVM Htung b dengan fungs ernel w langsung bsa d b pass b b b

23 Support Vector Machne SVM Hasl klasfkas sgnf f b Msal enghtung hasl klasfkas dar uj ke- aka tentukan sgnftest No Tgl/Bln/Thn F F F3 F4 elas 4 Jul Jul Jul test f test test test f test Hasl kelas predks test sgnftest = - Maka test asuk kelas bel true.

Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan > kelas berkut beberapa strateg ang bsa dgunakan: o One Aganst All OAA oleh Cortes and Vapnk 995 SVM Bner dengan Metode

24 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan > kelas berkut beberapa strateg ang bsa dgunakan: o One Aganst All OAA oleh Cortes and Vapnk 995 SVM Bner dengan Metode One-Aganst-All = = Hpotess elas Bukan kelas f = w + b elas Bukan kelas f = w + b elas 3 Bukan kelas 3 f 3 = w 3 + b 3 o o o One-Aganst-One OAO Bnar Decson Tree BDTSVM Drected Acrlc Graph SVM DAGSVM Jka anda sudah enguasa Bnar SVM SVM Bner aka keungknan besar anda akan sangat udah enguasa 4 strateg dsapng

Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan > kelas berkut beberapa strateg ang bsa dgunakan: o One Aganst All OAA o

25 Support Vector Machne SVM Algorta Sequental Tranng SVM untuk data dengan > kelas berkut beberapa strateg ang bsa dgunakan: o One Aganst All OAA o One-Aganst-One OAO oleh Frdan 996 Msal banakna kelas k = 4 Par-wse. kk-/ Par-wse Msal o o Bnar Decson Tree BDTSVM Hasl Votng Drected Acrlc Graph SVM DAGSVM

26 Support Vector Machne SVM o One-Aganst-One OAO oleh Frdan 996 SVM Bner dengan Metode One-Aganst-One = = Hpotess elas elas f = w + b elas elas 3 f 3 = w 3 + b 3 elas elas 4 f 4 = w 3 + b 4 elas elas 3 f 3 = w 3 + b 3 elas elas 4 f 4 = w 4 + b 4 elas 3 elas 4 f 34 = w 34 + b 34

Support Vector Machne SVM o Bnar Decson Tree BDTSVM oleh Gjorgj M. dkk 008 Langkah ebuat Tree untuk BDTSVM :. Tentukan ttk pusat data center data tap kelas.

27 Support Vector Machne SVM o Bnar Decson Tree BDTSVM oleh Gjorgj M. dkk 008 Langkah ebuat Tree untuk BDTSVM :. Tentukan ttk pusat data center data tap kelas.. Buat Matrk Jarak Eucldean antar ttk pusat data SVM SVM SVM 3. Car Jarak Terjauh untuk pesahan kelas = + dan = SVM SVM 5 SVM 6 4. Tetapkan kelas dar center data dengan jarak terdekat pada kelas = + atau kelas = - dar hasl pesahan pada langkah Tree pada BDTSVM

28 Support Vector Machne SVM o Bnar Decson Tree BDTSVM oleh Gjorgj M. dkk 008 = = Hpotess elas 347 elas 5 6 f = w b elas 3 elas 47 f 347 = w b 347 elas 5 elas 6 f 56 = w 56 + b 56 elas elas 3 f 3 = w 3 + b 3 elas 4 elas 7 f 47 = w 47 + b 47 elas elas 5 f 5 = w 5 + b 5

29 Support Vector Machne SVM o Drected Acrlc Graph SVM DAGSVM oleh C. W. Hsu and C. J. Ln 00 Node 3 4 Node vs 4 Node vs 4 3 vs 3 Node 4 Node 5 Node vs 4 3 vs 3 vs elas 4 elas 3 elas elas

30 Tugas elopok. Jelaskan perbedaan antara regres dengan klasfkas!. Jelaskan perbedaan antara Underfttng Just rght dan Overfttng dala sudut pandang regres dan klasfkas! 3. Jelaskan pengertan dar Support Vector dan Lagrange Multper pada SVM! 4. Berdasarkan pada slde sebeluna atu tentang Algorta Sequental Tranng SVM untuk data dengan kelas Bnar SVM jka fungs kernel RBF dgantkan dengan fungs kernel polnoal c= dan d=. Tentukan besarna nla akuras dar data testng! 5. Selesakan kasus berkut enggunakan OAOSVM atau OAASVM atau BDTSVM atau DAGSVM Plh salah satu dengan nla paraeter α = 0 λ = 4.3 γ learnng rate = C = 00 ε epslon = IterMa= dengan kernel RBF σ = 0.7. Tentukan besarna nla akuras dar data testng! Data tranng: elas Aktual 0 True 5 True 3 True False X = 3 3 Flase Y = False 0 4 None 0 0 None None Data testng: 3 0 Xtest = Ytest = elas Aktual True True None

31 7 Noveber 06 Terakash Ia Cholssodn

dokumen-dokumen yang mirip

Analitik Data Tingkat Lanjut (Regresi)

Analitik Data Tingkat Lanjut (Regresi) 0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres