Modul ini membahas pohon keputusan beserta kelemahan dan penanganannya. Alurnya dari pohon tunggal yang mudah mengalami overfitting menuju bagging, random forest, kepentingan fitur, dan konsep boosting. Keluarga model ini menjadi andalan utama pada data tabular.
Pohon dan Hutan
Modul pohon: decision tree, overfitting pohon tunggal, bagging, random forest, dan konsep boosting.
0/0 selesai
- Pohon Keputusan
Cara pohon keputusan membagi data, pengaruh kedalaman, dan interpretabilitasnya.
- Overfitting pada Pohon
Alasan pohon tunggal mudah goyah dan menghafal data latih bila dibiarkan tumbuh bebas.
- Bagging dan Random Forest
Bagging dan random forest: mengikis varians melalui perata-rataan banyak pohon.
- Kepentingan Fitur
Membaca feature importance dari random forest dengan kehati-hatian.
- Konsep Boosting
Boosting sebagai keluarga model yang mengoreksi error secara berurutan.