Tahap 2 · Jalur · 8 penjelasan
Evaluasi Model
Validasi, cross-validation, bias-variance tradeoff, dan jebakan yang perlu dihindari
- 1
Evaluasi Model dan Metrik
Precision, recall, F1, kurva ROC, dan metrik regresi
- 2
Training, Validation, dan Test Set
Membagi data untuk mengukur generalization dan menghindari overfitting
- 3
Cross-Validation
Evaluasi dengan k-fold, stratified, dan leave-one-out
- 4
Bias-Variance Tradeoff
Kenapa model mengalami underfitting atau overfitting, lewat dekomposisi dasarnya
- 5
Learning Curve
Mendiagnosis underfitting dan overfitting dari ukuran training set
- 6
Class Imbalance & Resampling
SMOTE, class weight, dan metrik di luar akurasi
- 7
Feature Selection
Metode filter, wrapper, dan embedded untuk memilih feature
- 8
Curse of Dimensionality
Kenapa ruang berdimensi tinggi merusak intuisi dan algoritma