1. Explain the goal of linear regression using the equation y = mx + b. What do m and b represent?
Pertanyaan:
Explain the goal of linear regression using the equation y = mx + b. What do m and b represent?
Status:
Selesai
Keterangan:
Linear regression digunakan untuk melihat hubungan antara satu variabel dengan variabel lainnya dan membuat prediksi berdasarkan hubungan tersebut. Secara sederhana, persamaannya adalah y = mx + b.
Dalam persamaan tersebut, y adalah nilai yang ingin diprediksi, sedangkan x adalah variabel yang digunakan untuk melakukan prediksi. m menunjukkan kemiringan garis atau slope, yaitu seberapa besar perubahan y ketika nilai x berubah. Sementara itu, b adalah intercept, yaitu nilai y ketika x bernilai 0.
Contohnya, jika kita ingin memperkirakan penjualan berdasarkan jumlah iklan yang digunakan, linear regression dapat membantu melihat hubungan antara biaya iklan dan jumlah penjualan. Model kemudian membuat garis yang paling sesuai dengan data untuk menghasilkan prediksi.
Bukti:
https://scikit-learn.org/stable/modules/linear_model.html
2. What is the primary difference in the output of a regression model versus a classification model?
Pertanyaan:
What is the primary difference in the output of a regression model versus a classification model?
Status:
Selesai
Keterangan:
Perbedaan utamanya terletak pada jenis hasil yang diberikan. Regression menghasilkan nilai berupa angka yang biasanya bersifat kontinu, sedangkan classification menghasilkan kategori atau kelas tertentu.
Sebagai contoh, regression dapat digunakan untuk memprediksi harga rumah, misalnya menghasilkan prediksi Rp500 juta. Sedangkan classification dapat digunakan untuk menentukan apakah sebuah email termasuk spam atau bukan spam.
Jadi, regression lebih cocok ketika kita ingin mengetahui berapa nilainya, sedangkan classification digunakan ketika kita ingin menentukan termasuk kategori apa.
Bukti:
https://scikit-learn.org/stable/modules/linear_model.html
3. How does a decision tree make a prediction?
Pertanyaan:
How does a decision tree make a prediction?
Status:
Selesai
Keterangan:
Decision tree membuat prediksi dengan menggunakan beberapa aturan atau pertanyaan berdasarkan fitur yang ada pada data. Data akan melewati beberapa percabangan, seperti struktur pohon, sampai akhirnya mencapai bagian akhir yang disebut leaf node.
Misalnya, sebuah toko ingin memprediksi apakah pelanggan akan membeli suatu produk. Decision tree bisa mulai dengan pertanyaan seperti “Apakah pelanggan pernah membeli sebelumnya?”. Jika jawabannya ya, proses akan mengikuti cabang tertentu. Kemudian bisa dilanjutkan dengan pertanyaan lain sampai akhirnya model menentukan hasil prediksi.
Dalam classification, hasil akhirnya dapat berupa suatu kategori, sedangkan dalam regression hasilnya dapat berupa nilai angka.
Bukti:
https://scikit-learn.org/stable/modules/tree.html
4. Give an example of a business problem that could be solved with classification (e.g., spam detection).
Pertanyaan:
Give an example of a business problem that could be solved with classification.
Status:
Selesai
Keterangan:
Salah satu contoh masalah bisnis yang dapat diselesaikan dengan classification adalah memprediksi apakah pelanggan akan berhenti menggunakan layanan atau tidak (customer churn).
Perusahaan dapat menggunakan data seperti frekuensi penggunaan layanan, lama menjadi pelanggan, jumlah transaksi, dan riwayat keluhan untuk membuat model classification. Hasilnya dapat dibagi menjadi dua kategori, yaitu “churn” dan “tidak churn”.
Dengan hasil tersebut, perusahaan dapat mengetahui pelanggan yang memiliki kemungkinan berhenti dan kemudian memberikan penawaran atau pelayanan khusus agar pelanggan tersebut tetap menggunakan produk atau layanan perusahaan.
Classification juga dapat digunakan untuk berbagai masalah bisnis lainnya, seperti mendeteksi spam, mendeteksi transaksi yang mencurigakan, dan menentukan apakah pelanggan berpotensi membeli suatu produk.