Perbedaan MLE dan MAP

Maximum Likelihood Estimation (MLE) dan Maximum A Posteriori (MAP), merupakan metode yang digunakan untuk mengestimasi variabel pada sebuah probability distributions. Konsep MLE ini sering muncul ketika memperlajari model yang berbasis distribusi misalnya Gaussian Mixture Model (GMM) atau Na├»ve Bayes and Logistic regression. kita sering mendengar istilah ini namun kadang-kadang terlewatkan saya tampa mengetahui seberapa pentingnya konsep ini. Sebagai contoh ketika kita ingin menlakukan fitting terhadap dataset yang berdistribusi normal, kita langsung dapat mengestimasi mean dan varian lalu menjadikannya sebagai parameter…

Diagnosa Model Linear Regresion dengan StatModels

Model linear merupakan model dasar yang sederhana namun merupakan pondasi dari banyak teknik-teknik yang banyak digunakan saat ini. Model ini dibangun berdasarkan asumsi-asumsi bahwa data yang digunakan bersifat linear, independen, memiliki varian yang sama (homoscedasticity). Pengabaian dari beberapa asumsi tentunya mengakibatkan resiko-resiko tertentu. Sebagai resiko ketika salah satu asumsi tidak terpenuhi adalah model regresi menjadi kurang dapat diandalkan. Namun tidak berarti tidak bisa digunakan. Sebaliknya jika semua asumsi terpenuhi maka model regresi tersebut bisa sangat powerfull untuk digunakan. Model regresi…