Catatan penting : Jika Anda benar-benar awam tentang apa itu Python, silakan klik artikel saya ini. Jika Anda awam tentang R, silakan klik artikel ini.
Seperti yang kita ketahui bahwa ML (Machine Learning) secara umum dibagi ke
Kali ini saya akan berbagi tentang teknik clustering. Seperti kita ketahui, bahwa ML (Machine Learning) dibagi ke dalam 3 kelompok, yaitu supervised learning, unsupervised learning, dan reinforcement learning. Teknik clustering ini masuk ke dalam kelompok unsupervised
Catatan penting : Jika Anda benar-benar awam tentang apa itu Python, silakan klik artikel saya ini. Jika Anda awam tentang R, silakan klik artikel ini.
Kali ini kita akan belajar tentang model regresi lain yang disebut dengan SVR
Sering sekali kita perlu membuka dataset terlebih dahulu untuk dapat melanjutkan ke langkah berikutnya. Kali ini akan saya jelaskan bagaimana cara mengimpor data sehingga bisa dipakai di spyder (user interface untuk python).
Berikut adalah tampilan spyder secara umum:
Kali ini kita akan belajar tentang bahasa pemrograman R. R merupakan bahasa yang sangat powerful dan sering dipakai khususnya di bidang statistik dan ilmu komputer. Kelebihan dari bahasa R adalah gratis dan memiliki banyak dukungan melalui komunitas-komunitas di luar sana.
Catatan penting : Jika Anda benar-benar awam tentang apa itu Python, silakan klik artikel saya ini. Jika Anda awam tentang R, silakan klik artikel ini.
Pada pembelajaran sebelumnya kita telah membahas tentang regresi sederhana, dan regresi multilinear
Catatan penting : Jika Anda benar-benar awam tentang apa itu Python, silakan klik artikel saya ini. Jika Anda awam tentang R, silakan klik artikel ini.
Sebelumnya kita sudah bersama-sama belajar tentang simple linear regression (SLR), kali ini kita belajar
Catatan: Jika Anda belum mengerti dasar-dasar python silakan klik artikel saya ini. Jika Anda awam tentang R, silakan klik artikel ini.
Setelah memahami konsep regresi, langkah selanjutnya adalah membuat model ML untuk SLR (simple linear
Regresi merupakan salah satu teknik untuk meramalkan data di masa yang akan datang. Lebih mudahnya mari kita lihat kasus di mana perusahaan mendata pegawainya berdasarkan berapa lama mereka bekerja dan berapa besar gaji mereka saat ini (dalam euro per tahun).
Ada hal yang perlu diperhatikan ketika melakukan pemodelan ML yaitu memastikan kita memiliki skala yang sama untuk setiap kolom atau variabel yang kita miliki. Sebagai contoh mudah, kita lihat proses preprocessing dan pembagian training dan test set