Ringkasan pengelompokan

Pengelompokan adalah teknik machine learning tanpa pengawasan yang dapat Anda gunakan untuk mengelompokkan data yang serupa. Ini adalah pendekatan yang berguna saat Anda ingin memahami grup atau cluster yang Anda miliki dalam data, tetapi tidak memiliki data berlabel untuk melatih model. Misalnya, jika memiliki data tanpa label tentang pembelian tiket kereta bawah tanah, Anda dapat mengelompokkan data tersebut berdasarkan waktu pembelian tiket untuk lebih memahami jangka waktu penggunaan kereta bawah tanah yang paling berat. Untuk informasi selengkapnya, lihat Apa yang dimaksud dengan pengelompokan?

Model k-means banyak digunakan untuk melakukan pengelompokan. Anda dapat menggunakan model k-means dengan fungsi ML.PREDICT untuk mengelompokkan data, atau dengan fungsi ML.DETECT_ANOMALIES untuk melakukan deteksi anomali.

Model k-means menggunakan pengelompokan berbasis centroid untuk mengatur data ke dalam cluster. Untuk mendapatkan informasi tentang centroid model k-mean, Anda dapat menggunakan fungsi ML.CENTROIDS.

Dengan menggunakan setelan default dalam pernyataan CREATE MODEL dan fungsi inferensi, Anda dapat membuat dan menggunakan model pengelompokan bahkan tanpa banyak pengetahuan ML. Namun, memiliki pengetahuan dasar tentang pengembangan ML, dan model pengelompokan secara khusus, akan membantu Anda mengoptimalkan data dan model untuk memberikan hasil yang lebih baik. Sebaiknya gunakan referensi berikut untuk mengembangkan pengetahuan tentang teknik dan proses ML: