Scribd
Unggah
95 tayangan6 halaman

Visualisasi KNN pada Data Bunga Iris

Tugas ini membahas eksplorasi data iris menggunakan python dan algoritma kNN. Terdiri dari dua bagian yaitu eksplorasi statistik data iris dan memprediksi kelas bunga menggunakan kNN. Pada bagian pertama dilakukan visualisasi data dan statistik deskriptif sedangkan pada bagian kedua dilatih model kNN untuk memprediksi kelas bunga iris.

Diunggah oleh

Sendoh Fcb
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOC, PDF, TXT atau baca online di Scribd
95 tayangan6 halaman

Visualisasi KNN pada Data Bunga Iris

Tugas ini membahas eksplorasi data iris menggunakan python dan algoritma kNN. Terdiri dari dua bagian yaitu eksplorasi statistik data iris dan memprediksi kelas bunga menggunakan kNN. Pada bagian pertama dilakukan visualisasi data dan statistik deskriptif sedangkan pada bagian kedua dilatih model kNN untuk memprediksi kelas bunga iris.

Diunggah oleh

Sendoh Fcb
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOC, PDF, TXT atau baca online di Scribd

Nama : Gunawan

Nim : 14002035
Kampus : STMIK Nusa Mandiri Jakarta
Matakuliah : Advanced Machine Learning

Tugas 1
Python Dan KNN

Problem 1: Python & Data Exploration


 Eksplorasi dasar-dasar statistic dan visualisasi menggunakan python
 File zip berisi beberapa code python (mltools directory) dan Fisher iris data set.
 Load data set ke python

Iris data terdiri dari 4 tipe data yang dapat digunakan untuk mengklasifikasikan ke 3 type
bunga iris (klasifikasi dengan 3 kelas)
a. Gunakan [Link][1] untuk mendapatkan fitur dan [Link][0] untuk mendapatkan jumlah
data point.
b. Untuk setiap fitur, plot histogram ([Link]) dari data. Tunjukkan hasilnya.
c. Hitung nilai rata-rata dari data point untuk setiap fitur ([Link]). Laporkan

d. Hitung variance dan standard deviation dari data untuk setiap fitur. Laporkan

e. Normalisasi data dengan mengurangkan setiap data pint dengan nilai rata-ratanya dan
membagi dengan nilai variasi (validasi hasilnya. Data hasil normalisasi akan memiliki
mean 0 dan std dev. 1). Tunjukkan code nya.

f. Untuk setiap pasangan fitur (1,2), (1,3), dan (1,4), plot scatterplot (hint: [Link] atau
[Link]). Untuk setiap fitur, gunakan warna yang berbeda sesuai dngan target kelas
(misalnya plot semua data menggunakan warna biru untuk y = 0 as blue, dan hijau untuk y
= 1 as green, dst.)
Problem 2: kNN predictions
Menggunakan data iris, eksporasi kNN classifiers menggunakan knnClassify pada python.
Familiarisasi bagaimana itu bekerja.
• Pertama bagi data dalam training dan test set

• Bangun dan latih kNN classifier on Xtr, Ytr and da buat prediksi menggunakan Xte

• Visualisasi dataset dan hasil classifier. Untuk data 2D, dapat menggunakan:
a. Modifikasi code diatas untuk menggunakan 2 fitur saja dari X (mis: hanya kolom 1 dan 2
saja, dan visualisasi hasil klasifikasi dengan plotClassify2D dengan memvariasikan K =
[1, 5, 10, 50, 200].

b. Dengan menggunakan 2 fitur tersebut, hitung error rate (jumlah misklasifikasi) pada test
dan training set untuk k= [1, 5, 10, 50, 200]. Berdasarkan hasilnya berapa nilai k yang
kamu rekomendasikan?

Anda mungkin juga menyukai