Machine learning (ML) dapat dimanfaatkan untuk proses indentifikasi-klasifikasi-prediksi sebuah data acak (input) sehingga lebih mudah ditarik kesimpulan. Proses identifikasi dibantu menggunakan aturan tertentu (algoritma). Bagian penting dalam ML adalah algoritma. Algoritma akan menentukan canggih dan tidaknya ML yang dibuat.
Algoritma Machine learning dapat diklasifikasikan menjadi 3, yaitu supervised learning (SL), unsupervised learning (USL), dan reinforncement learning (RL).
SL menentukan output dibantu oleh label. Contoh: Jika suhu badan > 38 derajat Celcius, maka pasien deman. Jika suhu badan 37-38 derajat Celcius, maka pasien hangat. Jika suhu badan < 37, maka pasien sehat. Dari contoh di atas labelnya ada 3, yaitu: > 38, 37-38, < 37. Outputnya ada 3 : demam, hangat, dan sehat. Jadi outputnya dapat diprediksi. Inputnya adalah hasil pengukuran dari termometer pada pasien.
USL menentukan output tanpa dibantu. USL menentukan output berdasarkan pola input data. Contoh: Joko makan 1 kg nasi per hari, dia bisa jalan kaki sejauh 10 km. Joni makan 2 kg nasi per hari, dia bisa jalan kaki sejauh 9 km. Jane makan nasi 1,5 kg nasi per hari, dia bisa jalan kaki sejauh 7,6 km. Dari data tersebut dapat dibuat pola bahwa setiap kenaikan komsumsi nasi sebesar 1 kg, seseorang akan mampu bertambah berjalan 10 km. Di sini outputnya adalah pola tersebut. Namun perlu diketahui bahwa pola tersebut sangat tergantung dari kualitas datanya. Sifat outputnya tidak dapat diprediksi.
RL menentukan output dibantu dengan agen. Agen bertugas mengumpulkan reward. Aturannya adalah Agen harus mengumpulkan reward sebanyak mungkin hingga selesai atau hingga outputnya sudah memadai.
Sumber: here
