PERTEMUAN 11: Unsupervise Learning dan algoritma yang ada di dalamnya

    Unsupervised learning adalah tipe machine learning di mana model dilatih menggunakan data yang tidak memiliki label. Tujuan utama dari unsupervised learning adalah menemukan struktur atau pola tersembunyi dalam data. Berikut adalah daftar 30 algoritma yang biasa digunakan dalam unsupervised learning:

1. K-Means Clustering

2. Hierarchical Clustering

3. DBSCAN (Density-Based Spatial Clustering of Applications with Noise)

4. Mean Shift Clustering

5. Gaussian Mixture Models (GMM)

6. Agglomerative Clustering

7. Spectral Clustering

8. Birch Clustering

9. Affinity Propagation

10. Self-Organizing Maps (SOM)

11. Principal Component Analysis (PCA)

12. Independent Component Analysis (ICA)

13. t-Distributed Stochastic Neighbor Embedding (t-SNE)

14. Uniform Manifold Approximation and Projection (UMAP)

15. Autoencoders

16. Variational Autoencoders (VAE)

17. Generative Adversarial Networks (GAN)

18. Locally Linear Embedding (LLE)

19. Isomap

20. Non-negative Matrix Factorization (NMF)

21. Factor Analysis

22. Latent Dirichlet Allocation (LDA) untuk topik modeling

23. Kernel PCA

24. Truncated Singular Value Decomposition (SVD)

25. Deep Belief Networks (DBN)

26. Restricted Boltzmann Machines (RBM)

27. Hierarchical Dirichlet Process (HDP)

28. Correlation Clustering

29. Graph-based Clustering

30. Fuzzy C-Means Clustering

Algoritma-algoritma ini digunakan untuk berbagai tujuan seperti pengelompokan data, reduksi dimensi, deteksi anomali, dan pembelajaran representasi. Pemilihan algoritma bergantung pada jenis data dan masalah yang ingin diselesaikan.

• 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