Domain Kompetensi dari XCS(Extended Classifier Sistem) di
Kompleksitas Pengukuran volume Ruang
XCS adalah sistem klasifikasi yang menggabungkan penguatan
pembelajaran dan algoritma genetik untuk
mengembangkan serangkaian aturan yang mewakili konsep
target. XCS turun dari garis keturunan belajar sistem classifier (LCS),
yang pertama kali diperkenalkan oleh Holland.
Keberhasilannya dan kinerja yang kuat di berbagai domain membangun XCS
sebagai salah satu perkembangan utama LCS. Saat ini , XCS cukup baik dalam anggapan sebagai classifier kompetitif . Dalam studi eksperimental menurut beberapa ahli menunjukkan efisiensi dalam masalah nyata, serta
dalam studi teoritis menunjukkan
hasil dalam
fungsi mekanisme yang mereka teliti dan memberikan pedoman untuk memanfaatkan potensinya
dengan menggunakan parameter yang sesuai pengaturan. Dalam XCS juga
diterapkan pada masalah data mining dengan kinerja yang
baik , baik dari segi tingkat keakuratan dan kemampuan.
Volume
dalam arti kata merupakan isi jadi
Volume Ruang merupakan isi dalam ruangan dimana bila ruangan itu penuh berarti
menunjukkan seberapa besar volume ruangan tersebut. kompleksitas itu merupakan
kerumitan yang mana setiap ruang itu memiliki bentuk, ukuran dan volume yang berbeda-beda.Oleh karena itu,
volume setiap ruang sangat komplek sekali. Untuk itu dibutuhkan penghitungan
yang sangat detail untuk menemukan hasil yang maksimal.
Dalam
studi kasus ini apakah X Classifier
Sistem(XCS)
ini dapat diimplementasikan di dunia nyata?.kemudian apakah X Classifier Sistem(XCS) ini pas untuk
segala macam klasifikasi yang ada di dunia nyata atau hanya pada suatu masalah
klasifikasi tertentu.Selain itu apakah X Classifier Sistem(XCS) lebih baik dari Classifier yang lain.
Penelitian
ini bertujuan untuk bagaimana cara mempresentasikan metode X Classifier Sistem(XCS) ini dalam
pemecahan masalah klasifikasi yang ada di dunia nyata. Penelitian ini dapat
memberikan kita gambaran seperti apa dan ciri khas dari pembelajaran tehadap
metode X Classifier Sistem(XCS)ini
dan untuk mengetahui kelebihan dan kekurangan dari metode ini.
0 komentar:
Post a Comment