Tahap 2 · Jalur · 8 penjelasan
ML Klasik
Decision tree, SVM, clustering, dan metode ensemble di luar neural network
- 1
Decision Tree dan Split
Recursive partitioning, Gini impurity, dan pruning
- 2
K-Nearest Neighbors
Klasifikasi berdasarkan kedekatan dan metrik jarak
- 3
Support Vector Machine
Classifier dengan margin maksimum dan kernel trick
- 4
Naive Bayes Classifier
Klasifikasi probabilistik dengan aturan Bayes
- 5
K-Means Clustering
Pengelompokan unsupervised berdasarkan jarak ke centroid
- 6
Bagging dan Random Forest
Bootstrap aggregation dan ensemble tree yang korelasinya rendah
- 7
Gradient Boosting
Mencocokkan residual secara berurutan untuk prediksi yang kuat
- 8
Ensemble Methods dan Stacking
Voting, stacking, dan penggabungan model yang beragam