ML Terbimbing: Regresi
Regresi linear, Ridge, Lasso, ElasticNet, metrik (MSE, RMSE, R²), overfitting, regularisasi
1Apa tujuan utama dari regresi linear?
Apa tujuan utama dari regresi linear?
Jawaban
Regresi linear bertujuan memodelkan hubungan antara variabel dependen (target) dan satu atau lebih variabel independen (features) dengan menemukan garis lurus yang meminimalkan jumlah kesalahan kuadrat. Teknik ini memungkinkan prediksi nilai kontinu dan menjadi dasar bagi banyak algoritma yang lebih kompleks.
2Dalam regresi linear sederhana, apa yang diwakili oleh koefisien beta (β₁)?
Dalam regresi linear sederhana, apa yang diwakili oleh koefisien beta (β₁)?
Jawaban
Koefisien β₁ mewakili kemiringan garis regresi, menunjukkan seberapa besar variabel target berubah untuk setiap kenaikan satu unit pada variabel independen. β₁ positif berarti hubungan positif, sedangkan β₁ negatif menunjukkan hubungan terbalik antara variabel.
3Metode apa yang digunakan untuk menemukan koefisien optimal dalam regresi linear?
Metode apa yang digunakan untuk menemukan koefisien optimal dalam regresi linear?
Jawaban
Metode kuadrat terkecil biasa (OLS) meminimalkan jumlah kuadrat residu, yaitu selisih antara nilai yang diamati dan diprediksi. Pendekatan ini memberikan solusi analitis bentuk tertutup dan merupakan metode standar untuk mengestimasi parameter regresi linear.
Apa yang diukur oleh koefisien determinasi R² dalam regresi?
Apa perbedaan antara MSE (Mean Squared Error) dan RMSE (Root Mean Squared Error)?
+21 pertanyaan wawancara
Topik wawancara Data Science & ML lainnya
Dasar-dasar Python
Pemrograman Berorientasi Objek Python
Struktur Data Python
Dasar-Dasar Git
Dasar-dasar SQL
Dasar-Dasar NumPy
Dasar-dasar Pandas
Jupyter & Google Colab
SQL Joins & Kueri Lanjutan
Pandas Lanjutan
Visualisasi dengan Matplotlib & Seaborn
Visualisasi Interaktif dengan Plotly
Statistik Deskriptif
Statistik Inferensial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Terbimbing: Klasifikasi
Pohon Keputusan & Ensemble
ML Tanpa Pengawasan
Pipeline ML & Validasi
Deret Waktu & Peramalan
Dasar-Dasar Deep Learning
TensorFlow & Keras
CNN dan klasifikasi gambar
RNN & Sekuens
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps dan Deployment
Kuasai Data Science & ML untuk wawancara berikutnya
Akses semua pertanyaan, flashcards, tes teknis, latihan code review dan simulator wawancara.
Mulai gratis