Kurva belajar (pemelajaran mesin)

Bagian dari seri
Pemelajaran mesin dan Penggalian Data
Paradigma Pemelajaran terawasi Pemelajaran tak terawasi Pemelajaran mesin daring Pemelajaran mesin luring Meta-learning Pemelajaran semi terawasi Pemelajaran terawasi mandiri Reinforcement learning Pemelajaran berbasis aturan Pemelajaran mesin kuantum
Masalah Klasifikasi Model generatif Regresi Kluster Reduksi dimensi Estimasi densitas Deteksi anomali Pembersihan data AutoML Aturan asosiasi Analisis semantik Rekayasa fitur Pemelajaran fitur
Pemelajaran diawasi (Klasifikasi • Regresi) Pohon keputusan Pemelajaran ensambel Bagging boosting Random forest k-NN Regresi linear Naive Bayes Jaringan saraf tiruan Regresi logistik Perseptron Support vector machine (SVM)
Klustering BIRCH CURE Hierarki k-means Fuzi
Reduksi dimensionalitas AKU
Jaringan saraf tiruan Pemelajaran dalam Jaringan saraf konvolusional
Diagnostik model Kurva belajar
l b s

Dalam pemelajaran mesin, suatu kurva belajar (atau kurva pelatihan, bahasa Inggris: learning curve atau training curve) adalah suatu jenis kurva yang menggambarkan nilai optimal dari fungsi rugi suatu model untuk suatu himpunan data pelatihan dan dibandingkan dengan fungsi kerugian yang sama jika dilakukan evaluasi pada suatu himpunan data validasi dengan parameter yang sama yang menghasilkan fungsi optimal tersebut. ^[1]. Sinonimnya dari kurva belajar ini, meliputi kurva galat (error curve), kurva perkembangan (improvement curve), dan kurva generalisasi (generalization curve).

Definisi lebih abstrak dari kurva belajar, adalah kurva dari (usaha pemelajaran atau learning effort)-(kinerja prediktif atau predictive performance), di mana biasanya usaha pemelajaran berarti jumlah sampel latih dan kinerja prediktif berarti akurasi pada sampel uji.^[2]

Kurva belajar dalam pemelajaran mesin bermanfaat untuk berbagai tujuan, termasuk membandingkan berbagai algoritma,^[3] memilih parameter model selama desain,^[4] menyesuaikan optimisasi untuk meningkatkan konvergensi, dan menentukan jumlah data yang digunakan untuk pelatihan.^[5]

1. ^ "Mohr, Felix and van Rijn, Jan N. "Learning Curves for Decision Making in Supervised Machine Learning - A Survey." arXiv preprint arXiv:2201.12150 (2022)". arXiv:2201.12150 . 
2. ^ Perlich, Claudia (2010), Sammut, Claude; Webb, Geoffrey I., ed., "Learning Curves in Machine Learning", Encyclopedia of Machine Learning (dalam bahasa Inggris), Boston, MA: Springer US: 577–580, doi:10.1007/978-0-387-30164-8_452, ISBN 978-0-387-30164-8, diakses tanggal 2023-07-06 
3. ^ Madhavan, P.G. (1997). "A New Recurrent Neural Network Learning Algorithm for Time Series Prediction" (PDF). Journal of Intelligent Systems. hlm. 113 Fig. 3. 
4. ^ "Machine Learning 102: Practical Advice". Tutorial: Machine Learning for Astronomy with Scikit-learn. 
5. ^ Meek, Christopher; Thiesson, Bo; Heckerman, David (Summer 2002). "The Learning-Curve Sampling Method Applied to Model-Based Clustering". Journal of Machine Learning Research. 2 (3): 397. Diarsipkan dari versi asli tanggal 2013-07-15.  Parameter |url-status= yang tidak diketahui akan diabaikan (bantuan)