Pengklasifikasi linear

Dalam pemelajaran mesin, pengklasifikasi linear adalah klasifikasi yang mengambil keputusan berdasarkan nilai kombinasi linear dari sifat-sifatnya. Sifat-sifat suatu objek disebut juga nilai fitur (ciri) dan biasa dinyatakan dalam vektor yang disebut vektor fitur. Pengklasifikasi ini bekerja dengan baik untuk permasalahan praktis seperti klasifikasi dokumen dan masalah-masalah yang memiliki banyak variabel (fitur) hingga mencapai tingkat akurasi yang sekelas dengan pengklasifikasi nonlinear dengan waktu pelatihan yang lebih sedikit.

Definisi

Jika vektor fitur input pengklasifikasi adalah vektor riil $\overrightarrow{x}$, nilai keluarannya adalah

$y=f(\overrightarrow{w}\cdot \overrightarrow{x})=f\left(\sum _j{w}_j{x}_j\right)$

dengan $\overrightarrow{w}$ adalah vektor riil bobotnya dan $f$ adalah fungsi yang mengubah produk skalar dua vektor ke bentuk keluaran yang diinginkan. Vektor bobot $\overrightarrow{w}$ dipelajari dari himpunan sampel pelatihan yang telah dilabeli. Biasanya, fungsi $f$ adalah fungsi ambang batas yang memetakan semua nilai $\overrightarrow{w}\cdot \overrightarrow{x}$ yang di atas batas tertentu ke dalam kelas pertama dan nilai-nilai lainnya ke dalam kelas kedua, misalnya

$f(𝐱)=\{\begin{array}{cc}1& \text{jika }𝐰\cdot 𝐱>T\\ 0& \text{lainnya}\end{array}$

Fungsi $f$ yang lebih kompleks mungkin dapat memberikan peluang suatu barang termasuk kelas tertentu.

Lihat pula

• Propagasi balik
• Regresi linear
• Perceptron
• Pengklasifikasi kuadratik
• Support-vector machine
• Winnow (algoritme)

Sumber dan atribusi

Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 25292072 (2024-02-10T09:27:50Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.