Modul 3: Machine Learning Fundamentals

Supervised learning belajar dari data berlabel (input → jawaban): deteksi spam, prediksi harga. Unsupervised mencari pola tanpa label: clustering pelanggan. Self-supervised membuat label dari data itu sendiri — 'tebak kata berikutnya' — dan itulah cara LLM dilatih.

Aturan emas: pisahkan data train/validation/test. Model dinilai dari data yang PERNAH dilihatnya akan selalu terlihat pintar — itu ilusi. Metrik harus cocok dengan masalah: accuracy menyesatkan saat kelas timpang (fraud 1%); gunakan precision/recall atau F1.

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

X, y = load_iris(return_X_y=True)
Xtr, Xte, ytr, yte = train_test_split(X, y, test_size=0.3, random_state=42)
model = LogisticRegression(max_iter=200).fit(Xtr, ytr)
print('accuracy:', round(accuracy_score(yte, model.predict(Xte)), 3))

Output:
accuracy: 0.978

Overfitting = model menghafal noise data latih, akurasi latih tinggi tetapi data baru buruk. Penawarnya: lebih banyak data, model lebih sederhana, regularisasi, dan early stopping. Underfitting sebaliknya — model terlalu kaku hingga pola dasar pun tak tertangkap.