A Few Useful Things about ML (paper)

Paper klasik Pedro Domingos (University of Washington) yang merangkum 12 wawasan praktis bagi engineer machine learning:

1. Belajar = Representasi + Evaluasi + Optimasi.
2. Generalisasi adalah tujuan utama; jangan terkecoh akurasi data latih.
3. Data saja tidak cukup — model selalu membutuhkan inductive bias.
4. Overfitting memiliki banyak wajah; regularisasi adalah tameng utama.
5. Fitur yang dirancang dengan baik jauh lebih berdampak daripada algoritma yang lebih rumit.