ML Terbimbing: Klasifikasi
Regresi logistik, KNN, SVM, metrik (accuracy, precision, recall, F1, ROC-AUC), threshold
1Apa tujuan utama dari algoritma klasifikasi terbimbing?
Apa tujuan utama dari algoritma klasifikasi terbimbing?
Jawaban
Klasifikasi terbimbing bertujuan untuk memprediksi kategori atau kelas (variabel diskrit) dari features input, dengan belajar dari data berlabel. Berbeda dengan regresi yang memprediksi nilai kontinu, klasifikasi menetapkan setiap observasi ke kelas yang telah didefinisikan (biner atau multikelas).
2Fungsi matematika apa yang digunakan regresi logistik untuk mengubah prediksi menjadi probabilitas?
Fungsi matematika apa yang digunakan regresi logistik untuk mengubah prediksi menjadi probabilitas?
Jawaban
Fungsi sigmoid (atau logistik) mengubah nilai riil apapun menjadi probabilitas antara 0 dan 1. Didefinisikan sebagai sigma(z) = 1/(1+e^(-z)). Fungsi ini memungkinkan interpretasi output sebagai probabilitas termasuk dalam kelas positif.
3Apa yang diwakili oleh koefisien dalam model regresi logistik?
Apa yang diwakili oleh koefisien dalam model regresi logistik?
Jawaban
Koefisien regresi logistik mewakili perubahan log-odds untuk setiap unit perubahan feature yang sesuai. Koefisien positif meningkatkan probabilitas kelas positif, sementara koefisien negatif menurunkannya. Eksponen koefisien memberikan odds ratio.
Bagaimana cara kerja algoritma K-Nearest Neighbors (KNN) untuk klasifikasi?
Apa dampak memilih nilai k dalam algoritma KNN?
+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: Regresi
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