Module Question 4
- Explain the goal of linear regression using the equation $y = mx + b$. What do $m$ and $b$ represent?
- What is the primary difference in the output of a regression model versus a classification model?
- How does a decision tree make a prediction?
- Give an example of a business problem that could be solved with classification (e.g., spam detection)
Status: 100% sudah tercapai
Keterangan: Saya sudah mengerjakan essay ini dengan baik dan benar
Bukti:
- Tujuan utama linear regression (regresi linear) adalah menemukan garis terbaik yang menggambarkan hubungan antara dua variabel dan dapat digunakan untuk memprediksi nilai suatu variabel berdasarkan variabel lainnya.
y = mx + b
- y = nilai yang ingin diprediksi (variabel dependen).
- x = variabel yang digunakan untuk melakukan prediksi (variabel independen).
- m = slope/kemiringan, yaitu menunjukkan seberapa besar perubahan y ketika x bertambah 1 satuan.
- b = intercept, yaitu nilai y ketika x = 0.
2. Regression model menghasilkan nilai numerik kontinu, yaitu angka yang dapat berada dalam rentang tertentu.
Contoh: memprediksi harga rumah = Rp500.000.000 atau suhu = 28,5°C.
Classification model menghasilkan kategori atau kelas tertentu.
Contoh: email dikategorikan sebagai “spam” atau “bukan spam”, atau gambar dikategorikan sebagai “kucing” atau “anjing”.
3. Decision tree membuat prediksi dengan mengikuti serangkaian pertanyaan atau kondisi dari bagian atas pohon (root) menuju bagian akhir (leaf). Setiap pertanyaan akan menentukan cabang mana yang harus diikuti berdasarkan data yang diberikan.
4. Salah satu contoh masalah bisnis yang dapat diselesaikan dengan classification adalah memprediksi apakah pelanggan akan berhenti menggunakan layanan (customer churn).
Misalnya, sebuah perusahaan ingin mengetahui pelanggan mana yang kemungkinan akan berhenti berlangganan. Model classification dapat menggunakan data seperti frekuensi penggunaan layanan, lama berlangganan, dan riwayat pembelian untuk mengelompokkan pelanggan menjadi:
- “Akan berhenti berlangganan”
- “Tidak akan berhenti berlangganan”
Dengan hasil tersebut, perusahaan dapat mengambil tindakan seperti memberikan penawaran atau layanan tambahan kepada pelanggan yang berisiko berhenti.