Student Learning Activity at Home
Temen-temen Cvisioner setelah mempelajari materinya di rumah nih, sekarang coba teman-teman dapat rangkum dan dapat dijadikan bahan diskusi saat student learing activity at classroom.
- Kelebihan dan kekurangan SVM, KNN, dan K-Means
- Misal pada KNN, kelebihan adalah sederhana tapi kekurangannya komputasi yang lambat karena harus menghitung jarak ke seluruh data.
- Akurasi prediksi algoritma
- SVM biasanya lebih akurat dibanding KNN tetapi tergantung kasusnya, bisa dibahas faktor apa saja yang mempengaruhi.
- Memilih nilai K pada KNN dan K-Means
- Penentuan nilai K sangat berpengaruh pada hasil clustering dan prediksi, bisa didiskusikan metode terbaik untuk menentukan nilai K.
- SVM kernel yang optimal
- Kernel berperan penting dalam performa SVM, bisa dibahas macam-macam kernel dan cara memilih kernel terbaik.
- K-Means vs algoritma clustering lain
- Kelebihan dan kekurangan K-Means dibanding algoritma clustering hirarki, DBSCAN, dll
- Studi kasus penerapan SVM, KNN, K-Means
- Misal kasus text classification, computer vision, market segmentation.