Training dan Testing, secara harafiah berarti latihan dan pengujian. Dalam machine learning atau ilmu statistika akan sering dijumpai dua kata tersebut, pelatihan dan testing. Tapi, apakah pengertian pelatihan dan testing dalam konteks machine learning sama dengan perngertian secara harafiah. Dalam konteks ilmu komputer bahu-membahu pengertian pelatihan tidak jauh berbeda dengan pengertia secara harafiah. Training = latihan. Setelah proses pelatihan dilakukan pada sebuah algoritma Machine Learning, tahap selanjutnya yaitu melaksanakan penilaian terhadap performa algoritma tersebut atau biasa disebut testing. Pada proses testing, performa algoritma akan diuji memakai testing set, dimana testing set dan pelatihan set merupakan data yang berbeda.
Sebuah algoritma dengan performa yang tinggi akan sanggup mengkategorisasikan dengan benar data baru, yang berbeda dengan yang dipakai dalam proses training. Kondisi tersebut dikenal dengan generalisasi, semakin tinggi generalisasi dari sebuah algoritma makan akan semakin tinggi recognition rate-nya.
Contoh Pengujian Algoritma Klasifikasi:
- Biasanya untuk pengujian pembagian terstruktur mengenai dipakai denah yang lebih kompleks menyerupai k-folds cross validation.
- Gambar dibawah ini yaitu pola pengujian sederhana algoritma klasifikasi.
- Tingkat kesalahan prediksi algortima diukur memakai Root Mean Square Error.
RMSE yaitu metode alternatif untuk mengevaluasi teknik peramalan yang dipakai untuk mengukur tingkat akurasi hasil prakiraan suatu model. RMSE merupakan nilai rata-rata dari jumlah kuadrat kesalahan, juga sanggup menyatakan ukuran besarnya kesalahan yang dihasilkan oleh suatu model prakiraan. Nilai RMSE rendah mengatakan bahwa variasi nilai yang dihasilkan oleh suatu model prakiraan mendekati variasi nilai obeservasinya
Sumber:
https://prasetiautamacv.wordpress.com/2016/07/10/training-dan-testing/
[Makridakis, S. et al., (1982) "The Accuracy of Extrapolative (Time Series Methods): Results of a Forecasting Competition", Journal of Forecasting, Vol. 1, No. 2, pp. 111-153
Tidak ada komentar:
Posting Komentar