Machine LearningMenengahFase D–FE4E6

PERCEPTRON

Perceptron mencari GARIS pemisah dua kelas titik. Untuk tiap titik yang salah klasifikasi, bobot digeser sedikit ke arah yang benar sehingga garis berputar. Bila data terpisah linear, dijamin konvergen. Cikal-bakal neuron pada jaringan saraf.

Example use case

Klasifikasi biner sederhana: memisahkan email spam vs bukan-spam dengan satu garis keputusan yang terus diperbaiki.

Syllabus

Cari satu garis pemisah dua kelas dengan menggeser bobot tiap kali ada titik yang salah tebak.

Objectives

·Memahami unit dasar penyusun jaringan saraf (neuron buatan)
·Menjelaskan cara garis keputusan diperbaiki dari kesalahan
·Menerapkan klasifikasi biner dengan satu garis pemisah

How It Works

·Mulai dengan sebuah garis pemisah tebakan awal.
·Cek tiap titik: sudah berada di sisi yang benar atau belum.
·Untuk titik yang salah klasifikasi, geser bobot sedikit ke arah yang benar.
·Garis ikut berputar; ulangi sampai semua titik terpisah rapi (konvergen bila data terpisah linear).

Prerequisites

·Koordinat dan garis pada bidang
·Konsep bobot atau penjumlahan berbobot

Real-World Uses

·Memisahkan email spam vs bukan-spam dengan satu garis keputusan.
·Cikal-bakal neuron di balik AI generatif dan filter wajah masa kini.
·Deteksi komentar toxic vs aman di kolom komentar media sosial.

Complexity O(iterasi * n)