Module Question 3
- What is the key difference between supervised and unsupervised learning? Provide an example for each.
- What is “overfitting” in a machine learning model, and why is it a problem?
- Describe the three main components of reinforcement learning: agent, environment, and reward.
- How does a training dataset differ from a testing dataset, and why is this separation important?
Status: 100% suda terrcapai
Keterangan: Saya sudah mengerjakkan essay ini dengan baik dan benar
Bukti:
Answer:
- Perbedaan utamanya, supervised learning menggunakan data yang sudah memiliki label, contohnya memprediksi email spam atau bukan spam. Sedangkan unsupervised learning menggunakan data tanpa label untuk mencari pola, contohnya mengelompokkan pelanggan berdasarkan kebiasaan belanja.
- Overfitting adalah kondisi ketika model terlalu menghafal data latihan, sehingga kurang mampu bekerja dengan data baru. Ini menjadi masalah karena hasil prediksi pada data baru bisa menjadi kurang akurat.
- Dalam reinforcement learning, ada tiga komponen utama: agent yaitu pihak yang mengambil tindakan, environment yaitu lingkungan tempat agent berinteraksi, dan reward yaitu nilai atau umpan balik yang diterima agent setelah melakukan tindakan. Jadi, agent belajar dari reward untuk menentukan tindakan yang lebih baik.
- Training dataset digunakan untuk melatih model agar mengenali pola, sedangkan testing dataset digunakan untuk menguji seberapa baik model bekerja pada data baru. Pemisahan ini penting agar kita bisa mengetahui apakah model benar-benar bisa melakukan prediksi dengan baik, bukan hanya menghafal data latihan.