Supervised dan Unsupervised

Terlihat dari namanya, mungkin sebagian dari kita sudah bisa menebak apa itu supervised learning dan unsupervised learning. Supervise berarti mengawasi, mengamati, dan mengarahkan suatu pengerjaan tugas, projek, atau aktivitas lainnya, sedangkan unsupervised berarti sebaliknya.

Di dalam machine learning, kita tidak akan mengamati seseorang melainkan kita akan mengamati model machine learning dalam melakukan pekerjaan seperti misalnya klasifikasi.Lalu, apa perbedaan supervised dan unsupervised learning?

Supervised Learning

Supervised learning biasanya digunakan untuk menyelesaikan masalah klasifikasi dan regresi. Algoritma supervised learning sangat bergantung pada kesesuaian antara input dan output pada dataset yang diberikan, sehingga kita (user/data scientist) berperan besar dalam memvalidasi input dan output tersebut.

Unsupervised Learning

Kita sudah mengetahui bahwa unsupervised learning berarti kita tidak mengawasi dan mengarahkan model machine learning, namun kita membiarkan model tersebut belajar sendiri untuk menemukan informasi yang mungkin tidak terlihat oleh mata manusia.

Secara umum, unsupervised learning lebih sulit jika dibandingkan dengan supervised learning karena kita tidak mengetahui dengan pasti hasil apa yang diharapkan dari dataset tersebut.

Clustering atau klasterisasi adalah salah satu masalah yang menggunakan teknik unsupervised learning. Contoh klasterisasi misalnya segmentasi customer bank atau segmentasi berita-berita online.

Pada intinya, teknik unsupervised learning digunakan ketika sebuah dataset tidak memiliki label class. Dengan kata lain, algoritma ini mampu secara otomatis membagi data tersebut ke dalam sejumlah klaster berdasarkan kriteria tertentu, misalnya tingkat kemiripannya.Jadi, dapat kita simpulkan bahwa perbedaan supervised dan unsupervised learning adalah dari ada atau tidaknya label class atau target pada dataset. Jika ada label berarti supervised, jika tidak ada berarti unsupervised.

OLEH: KANIA SEPHIYA SUNARDI 10070319119