SPARSITY DI MACHINE LEARNING METODE, ALGORITMA DAN APLIKASI

 

Sparsity atau kelangkaan data pada suata dataset yang besar. Masalah sparsity merupakan tantangan signifikan dalam pengembangan model machine learning modern, khususnya collaborative filtering dalam sistem rekomendasi. Buku ini menekankan penanganan sparsity dengan pendekatan similarity measure. Buku ini menyajikan pembahasan mengenai konsep sparsity, similarity measure, sistem rekomendasi, collaborative filtering, hingga aplikasinya dalam kasus. Dengan memadukan teori dan studi kasus praktis, buku ini dirancang untuk membantu pembaca memahami bagaimana sparsity dapat diatasi atau dimanfaatkan untuk meningkatkan kinerja algoritma machine learning dalam pemberian rekomendasi. Buku ini diawali dengan pengenalan tentang sparsity, mencakup penyebab, dampak, dan signifikansinya dalam machine learning. Dilanjutkan dengan pembahasan seputar similarity dan metode-metode pada similarity measure. Selanjutnya, pembahasan berlanjut pada metode-metode untuk menangani sparsity yang berlangsung selama 7 (tujuh) tahun kebelakang yang telah diteliti oleh para praktisi dan peneliti. Di bagian aplikasi, pembaca akan menemukan bagaimana metode SiMoI (Similarity, Modus, Imputation) diaplikasikan dalam menangani masalah sparsity,