Overfitting dan Underfitting Data
Sumber gambar Dalam machine learning peran dataset sangat vital, dimana itu digunakan sebagai materi training atau melatih mesin untuk membuat model nantinya. Bagi yang membuat dataset sendiri tentu saja masalah Overfitting dan Underfitting kerap ditemui dalam membuat model. Sehingga akurasi yang dihasilkan pun tidak akurat, atau apabila hasil akurat apabila dicoba dengan data asli susah untuk mendapatkan hasil yang memuaskan. Sebelum itu kita pahami sedikit pengertian dari Overfitting dan Underfitting : Overfitting adalah suatu keadaan dimana data yang digunakan untuk training itu 'best case' nya. Sehingga apabila dilakukan test dengan menggunakan data yang berbeda dapat mengurasi akurasi atau hasil yang dibuat tidak sesuai yang diharapkan. Underfitting adalah keadaan dimana model data training yang kita buat tidak mewakilkan keseluruhan data yang akan digunakan nantinya. Sehingga menghasilkan performa yang buruk dalaam training data. Solusinya bagaimana? ...