Regresi

Bagaimana konsep “Regresi” memengaruhi keputusan yang kita buat?

Di bagian ini, Anda akan memahami regression sebagai prediksi nilai serta membaca sisa kesalahannya. Jangan berhenti pada pertanyaan “apa itu Regresi?”. Tanyakan juga keputusan apa yang bisa menjadi lebih baik setelah Anda memahaminya. Setelahnya, Anda akan lebih mudah membedakan bukti tentang Regresi dari klaim yang belum pernah diuji.

Setelah lesson ini

• Memahami regression sebagai prediksi nilai serta membaca sisa kesalahannya.
• Menggunakan konsep “Regresi” untuk membaca satu situasi nyata.
• Menjelaskan batas konsep dan informasi yang masih perlu diperiksa.

Mulai dari situasi

Pahami situasinya lebih dulu. Istilahnya bisa menyusul.

Model harga dan penyaring spam memakai target serta ukuran kesalahan yang berbeda. Di bagian ini, Anda akan melihat situasi tersebut melalui konsep “Regresi”. Tujuannya bukan mencari satu istilah yang menjawab semua masalah, melainkan memahami pilihan yang tersedia dengan lebih jernih.

Di bagian ini, Anda akan memahami regression sebagai prediksi nilai serta membaca sisa kesalahannya. Pahami bagaimana fitur, target, regresi, klasifikasi, dan jenis kesalahan membentuk hasil sebuah model. Hubungkan konsep ini dengan keputusan yang benar-benar perlu Anda buat.

Model visual

Petakan setiap bagiannya sebelum menentukan langkah.

Baca diagram sebagai peta Regresi: mulai dari konteksnya, ikuti hubungan antarbagiannya, lalu periksa titik yang disorot sebelum mengambil keputusan.

Mari lihat cara kerjanya

Cara membacanya dalam situasi nyata

Jangan berhenti pada pertanyaan “apa itu Regresi?”. Tanyakan juga keputusan apa yang bisa menjadi lebih baik setelah Anda memahaminya. Mulailah dari hal yang dapat Anda amati, lalu pisahkan fakta, asumsi, dan pertanyaan yang masih belum terjawab.

Model harga dan penyaring spam memakai target serta ukuran kesalahan yang berbeda. Coba bandingkan keputusan sebelum dan sesudah konsep “Regresi” ikut dipertimbangkan. Contoh ini membantu Anda berpikir, tetapi bukan bukti bahwa satu solusi akan cocok untuk semua situasi.

Definisi kerja

Apa artinya, dan kapan kita perlu berhati-hati.

Di bagian ini, Anda akan memahami regression sebagai prediksi nilai serta membaca sisa kesalahannya. Pahami bagaimana fitur, target, regresi, klasifikasi, dan jenis kesalahan membentuk hasil sebuah model. Hubungkan konsep ini dengan keputusan yang benar-benar perlu Anda buat.

Regresi

Di bagian ini, Anda akan memahami regression sebagai prediksi nilai serta membaca sisa kesalahannya. Jangan berhenti pada pertanyaan “apa itu Regresi?”. Tanyakan juga keputusan apa yang bisa menjadi lebih baik setelah Anda memahaminya. Setelahnya, Anda akan lebih mudah membedakan bukti tentang Regresi dari klaim yang belum pernah diuji.

Batas yang perlu diperiksa

Hubungan dan prediksi tidak membuktikan bahwa satu hal menyebabkan hal lain. Cara paling sederhana untuk menghindarinya adalah meminta contoh, bukti, dan kondisi ketika pendekatan tersebut gagal. Tuliskan asumsi yang Anda pakai agar orang lain dapat memeriksanya.

Berhenti sejenak

Bukti apa yang bisa mengubah keputusan ini?

Jawab sebelum membuka pembahasan. Sebutkan satu fakta dan satu asumsi.

Coba sendiri

Cobalah pada satu bagian kecil dari pekerjaan Anda.

1. Pilih satu situasi nyata yang berkaitan dengan Regresi.
2. Pisahkan hal yang dapat Anda amati dari hal yang masih berupa asumsi.
3. Tulis satu keputusan, penanggung jawab, dan bukti untuk memeriksanya.
4. Sebutkan sinyal yang membuat Anda berhenti atau mengubah arah.

Gunakan satu pekerjaan yang Anda kenal. Tandai informasi yang sudah ada, yang masih berupa asumsi, dan yang perlu diuji terkait konsep “Regresi”. Jika ingin melanjutkan, Anda juga dapat mencoba latihan modul berikut: Bandingkan hasil model dengan tolok ukur awal, lalu jelaskan artinya. Buat versi pertama cukup kecil agar orang lain dapat memeriksanya dalam beberapa menit.

Jalan pintas yang menggoda

Istilah yang terdengar familiar belum tentu membantu Anda mengambil keputusan yang tepat.

Mengapa ini terasa masuk akal

Hubungan dan prediksi tidak membuktikan bahwa satu hal menyebabkan hal lain. Cara paling sederhana untuk menghindarinya adalah meminta contoh, bukti, dan kondisi ketika pendekatan tersebut gagal. Tuliskan asumsi yang Anda pakai agar orang lain dapat memeriksanya.

Cara memeriksanya

Jangan berhenti pada pertanyaan “apa itu Regresi?”. Tanyakan juga keputusan apa yang bisa menjadi lebih baik setelah Anda memahaminya. Mulailah dari hal yang dapat Anda amati, lalu pisahkan fakta, asumsi, dan pertanyaan yang masih belum terjawab.

Latihan singkat

Gunakan satu pekerjaan yang Anda kenal. Tandai informasi yang sudah ada, yang masih berupa asumsi, dan yang perlu diuji terkait konsep “Regresi”. Jika ingin melanjutkan, Anda juga dapat mencoba latihan modul berikut: Bandingkan hasil model dengan tolok ukur awal, lalu jelaskan artinya.

Ringkasan

• Memahami regression sebagai prediksi nilai serta membaca sisa kesalahannya.
• Gunakan contoh dan bukti untuk menguji pemahaman.
• Catat batas, risiko, dan kondisi ketika keputusan harus ditinjau ulang.

Lanjutkan dari sini

• Klasifikasi dan Kemiripan: Lanjutkan gagasan dari Prediksi dan Klasifikasi melalui contoh yang masih berkaitan.
• Pelatihan dan Inferensi: Hubungkan pelajaran ini dengan AI untuk Semua, lalu uji idenya dalam konteks lain.
• Bangun atau Beli: Lihat bagaimana keputusan yang sama berubah ketika dibahas melalui Product Thinking.

Sumber dan bacaan lanjut

• Machine Learning Crash Course: Google for Developers · official-course. Rujukan utama untuk definisi, bukti, atau batas yang dibahas dalam “Regresi”.
• Model evaluation: scikit-learn · official-documentation. Bukti dan konteks tambahan untuk memeriksa penjelasan dalam “Regresi”.
• Machine Learning Glossary: Google for Developers · official-documentation. Bukti dan konteks tambahan untuk memeriksa penjelasan dalam “Regresi”.