Hai, temen-temen semua. Kali ini
pembahasannya tentang SVM atau Support Vector Machine. Apa sih SVM itu? dan bagaimana contohnya? Simak penjelasannya dibawah ini!
Konsep Klasifikasi dengan Support Vector Machine (SVM) adalah mencari hyperplane terbaik yang berfungsi sebagai pemisah dua kelas data.
Ide sederhana dari SVM adalah memaksimalkan margin, yang merupakan jarak pemisah antara kelas data. SVM mampu bekerja pada dataset yang berdimensi tinggi dengan menggunakan kernel trik. SVM hanya menggunakan beberapa titik data terpilih yang berkontribusi (Support Vector) untuk membentuk model yang akan digunakan dalam proses klasifikasi.
CONTOH :
Keterangan :
- Decision Boundary (Garis Merah) : pemisah antar class dengan hyperplane
- Margin (jarak antara titik biru dengan titik hijau) : jarak terdekat dari decision boundary dengan data yang ingin dipisahkan
- Support vector : anggota kelas yang berperan untuk menentukan margin
Ketika datanya tidak beraturan atau datanya berpencar, digunakan Lineary Inspereable & Kernel Trick. Data tersebut dipetakan menjadi data 3 dimensi.
Contoh SVM :
Pada dataset diatas, terdapat 2 fitur atau atribut (data inputan) yaitu X1 dan X2,kelas (y) merupakan label kelas dan merupakan data yang akan dipisahkan berdasarkan nilai X1 dan X2, pada kolom Kelas(y) terdapat 2 class yaitu 1 dan -1 dan memiliki 4 data sample.
(Bentuk Visualisasi Data)
Catatan :
Horizontal adalah X, Vertikal adalah Y
Nah, itu dia pembahasan mengenai Support Vector Machine kali ini. Mohon maaf atas apabila ada kesalahan atau kekeliruan, untuk itu kalian boleh komen dibawah apa untuk memperbaiki kekeliruannya atau mungkin ada masukan juga, silahkan tulis di kolom komentar dibawah. Sekian untuk pembahasan blog kali ini, jangan lupa pantengin terus pembahasan di blog-blog selanjutnya. Terima kasih dan Bye :)
Sumber :
Dosen Machinelearning ITPLN Ibu Efy Yosrita ,S.Si, M.Kom
