PERTEMUAN 10 Supervise Learning (Prediksi) dan algoritma yang ada di dalamnya

    Supervised learning adalah salah satu tipe dari machine learning di mana model dilatih menggunakan data yang sudah diberi label. Tujuan dari supervised learning adalah untuk memprediksi output berdasarkan input yang diberikan. Berikut adalah daftar 30 algoritma yang biasa digunakan dalam supervised learning:

1. Regresi Linear (Linear Regression)

2. Regresi Logistik (Logistic Regression)

3. Support Vector Machines (SVM)

4. K-Nearest Neighbors (KNN)

5. Decision Trees

6. Random Forests

7. AdaBoost

8. Gradient Boosting Machines (GBM)

9. XGBoost

10. LightGBM

11. CatBoost

12. Naive Bayes

13. Ridge Regression

14. Lasso Regression

15. Elastic Net Regression

16. Multi-Layer Perceptrons (MLP)

17. Convolutional Neural Networks (CNN)

18. Recurrent Neural Networks (RNN)

19. Long Short-Term Memory (LSTM)

20. Gated Recurrent Units (GRU)

21. Bayesian Networks

22. Linear Discriminant Analysis (LDA)

23. Quadratic Discriminant Analysis (QDA)

24. Polynomial Regression

25. Stepwise Regression

26. Partial Least Squares Regression (PLS)

27. Elastic Net

28. K-Means (walaupun sering digunakan untuk unsupervised learning, bisa digunakan dalam supervised learning dalam beberapa kasus)

29. Deep Belief Networks (DBN)

30. Restricted Boltzmann Machines (RBM)

Setiap algoritma memiliki kelebihan dan kekurangan tersendiri dan lebih cocok untuk tipe data atau masalah tertentu. Pemilihan algoritma yang tepat bergantung pada sifat data dan tujuan analisis.

• Berikut adalah link google colab saya : https://colab.research.google.com/drive/1T1Hnar3gTFNIms_dI7JONC8TG5M5TMoU?usp=sharing
• Berikut adalah link youtube saya : (289) SULIH NURSYA BANAFSA UBP - YouTube