BAGGING VS BOOSTING

Tantangan Menulis Hari ke-92

Oleh: Bernardus Ari Kuncoro

Tahukah Anda tentang istilah Bagging dan Boosting?

Bagging dan Boosting ini merupakan bagian dari metode ADVANCED supervised learning. Dikenal luas dengan nama Ensemble Learning.

Bagging adalah singkatan dari Bootstraping Aggregating. Ide pembuatan modelnya adalah dengan dibangunnya sejumlah dataset dari sampling secara acak, lalu diterapkan algoritma supervised learning yang homogen terhadap masing-masing dataset. Hasil dari masing-masing model diagregasikan dengan cara voting (cari yang terbanyak) atau averaging (cari rata-ratanya).

Boosting memiliki ide untuk melakukan pelatihan model yang homogen dan dilakukan secara berulang-ulang. Langkah pengulangan saat ini memiliki tujuan minimisasi error yang lebih rendah daripada langkah sebelumnya.

Agak rumit memang. Saya coba untuk memberikan analogi ini kepada Anda.

Filosofi Bagging ini mirip dengan cara Anda belajar kelompok (Collaborative Learning). Sedangkan Boosting ini punya analogi yang selaras dengan belajar mandiri dan dilakukan secara berulang-ulang (Gradual Learning).

Lebih lanjut, Anda bisa belajar lagi tentang Random Forest, Adaboost, LightGBM, dan algoritma ensemble learning lainnya.

Kalideres, 30 Juni 2021

Wanna support me?

Follow by Email
LinkedIn
Share