Mahout - Pembelajaran Mesin

Apache Mahout adalah pustaka pembelajaran mesin yang sangat skalabel yang memungkinkan pengembang menggunakan algoritme yang dioptimalkan. Mahout menerapkan teknik pembelajaran mesin yang populer seperti rekomendasi, klasifikasi, dan pengelompokan. Oleh karena itu, sebaiknya Anda memiliki bagian singkat tentang pembelajaran mesin sebelum melangkah lebih jauh.

Apa itu Pembelajaran Mesin?

Pembelajaran mesin adalah cabang ilmu yang berhubungan dengan pemrograman sistem sedemikian rupa sehingga mereka secara otomatis belajar dan meningkat dengan pengalaman. Di sini, belajar berarti mengenali dan memahami data yang diinput dan mengambil keputusan yang bijak berdasarkan data yang disediakan.

Sangat sulit untuk memenuhi semua keputusan berdasarkan semua masukan yang mungkin. Untuk mengatasi masalah ini, algoritma dikembangkan. Algoritma ini membangun pengetahuan dari data spesifik dan pengalaman masa lalu dengan prinsip statistik, teori probabilitas, logika, optimasi kombinatorial, pencarian, pembelajaran penguatan, dan teori kontrol.

Algoritma yang dikembangkan menjadi dasar dari berbagai aplikasi seperti:

Pemrosesan visi
Pemrosesan bahasa
Peramalan (mis., Tren pasar saham)
Pengenalan pola
Games
Penambangan data
Sistem pakar
Robotics

Pembelajaran mesin adalah area yang luas dan cukup di luar cakupan tutorial ini untuk mencakup semua fiturnya. Ada beberapa cara untuk menerapkan teknik pembelajaran mesin, namun yang paling umum digunakan adalahsupervised dan unsupervised learning.

Pembelajaran yang Diawasi

Pembelajaran yang diawasi berkaitan dengan mempelajari suatu fungsi dari data pelatihan yang tersedia. Algoritme pembelajaran yang diawasi menganalisis data pelatihan dan menghasilkan fungsi yang disimpulkan, yang dapat digunakan untuk memetakan contoh baru. Contoh umum dari supervised learning meliputi:

mengklasifikasikan email sebagai spam,
memberi label laman web berdasarkan kontennya, dan
pengenalan suara.

Ada banyak algoritme pembelajaran yang diawasi seperti jaringan saraf, Support Vector Machines (SVM), dan pengklasifikasi Naive Bayes. Mahout mengimplementasikan pengklasifikasi Naive Bayes.

Pembelajaran Tanpa Pengawasan

Pembelajaran tanpa pengawasan memahami data yang tidak berlabel tanpa memiliki set data yang telah ditentukan sebelumnya untuk pelatihannya. Pembelajaran tanpa pengawasan adalah alat yang sangat ampuh untuk menganalisis data yang tersedia dan mencari pola dan tren. Ini paling sering digunakan untuk mengelompokkan input serupa ke dalam grup logis. Pendekatan umum untuk pembelajaran tanpa pengawasan meliputi:

k-means
peta swakelola, dan
pengelompokan hierarki

Rekomendasi

Rekomendasi adalah teknik populer yang memberikan rekomendasi dekat berdasarkan informasi pengguna seperti pembelian, klik, dan peringkat sebelumnya.

Amazon menggunakan teknik ini untuk menampilkan daftar item yang direkomendasikan yang mungkin Anda minati, mengambil informasi dari tindakan Anda sebelumnya. Ada mesin pemberi rekomendasi yang bekerja di belakang Amazon untuk menangkap perilaku pengguna dan merekomendasikan item yang dipilih berdasarkan tindakan Anda sebelumnya.
Facebook menggunakan teknik pemberi rekomendasi untuk mengidentifikasi dan merekomendasikan "daftar orang yang mungkin Anda kenal".

Klasifikasi

Klasifikasi, juga dikenal sebagai categorization, adalah teknik pembelajaran mesin yang menggunakan data yang diketahui untuk menentukan bagaimana data baru harus diklasifikasikan ke dalam sekumpulan kategori yang ada. Klasifikasi adalah bentuk pembelajaran yang diawasi.

Penyedia layanan surat seperti Yahoo! dan Gmail menggunakan teknik ini untuk memutuskan apakah email baru harus diklasifikasikan sebagai spam. Algoritme kategorisasi melatih dirinya sendiri dengan menganalisis kebiasaan pengguna dalam menandai email tertentu sebagai spam. Berdasarkan itu, pengklasifikasi memutuskan apakah email di masa mendatang harus disimpan di kotak masuk Anda atau di folder spam.
Aplikasi iTunes menggunakan klasifikasi untuk menyiapkan playlist.

Kekelompokan

Clustering digunakan untuk membentuk kelompok atau cluster dari data yang serupa berdasarkan karakteristik yang sama. Clustering adalah salah satu bentuk pembelajaran tanpa pengawasan.

Mesin pencari seperti Google dan Yahoo! menggunakan teknik clustering untuk mengelompokkan data dengan karakteristik yang serupa.
Newsgroup menggunakan teknik pengelompokan untuk mengelompokkan berbagai artikel berdasarkan topik terkait.

Mesin pengelompokan melewati data masukan secara lengkap dan berdasarkan karakteristik data, ia akan memutuskan di kluster mana ia harus dikelompokkan. Lihat contoh berikut.

Perpustakaan tutorial kami berisi topik tentang berbagai subjek. Saat kami menerima tutorial baru di TutorialsPoint, itu diproses oleh mesin pengelompokan yang memutuskan, berdasarkan kontennya, di mana ia harus dikelompokkan.