ML Data Preparation

Masih seperti modul sebelumnya, data yang digunakan adalah HousingData.csv Metoda embedded menggunakan library Lasso dari Scikit-learn. Masih sama dengan modul sebelumnya, bagian awal kode adalah proses import library yang digunakan. Memberikan nama column yang readable. Dan Melakukan replacement missing value. Code dibawah melakukan feature selection dengan metoda lasso. Untuk dokumentasi lengkap lihat di https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html Metoda … Read more

Pada modul ini akan dibahas implemantasi feature selection dengan metoda wrapper. Data yang digunakan sama dengan modul sebelumnya, HousingData.csv. Data download di https://drive.google.com/file/d/1SITrjPEoymayijavt_9JXLjxpm3TWDUb/view?usp=sharing Prosesnya juga sangat mirip dengan modul sebelumnya, hanya berbeda library yang digunakan dan pada proses selection saja. Pada modul ini digunakan LinearRegression dan RFE. Proses memberi nama column dan replace missing value … Read more

Pada modul ini akan dibahas implementasi pemilihan feature dengan metoda filter menggunakan Python. Pertama, import library yang digunakan yaitu, pandas, numpy, matplotlib, yellowbrick dan sklearn. Pandas, numpy untuk menangani dataframe. Matplotlib untuk data visualization Yellowbrick untuk data correlation Sklearn untuk feature filter Load data HousingData.csv, HousingData.csv adalah salah satu dataset yang cukup terkenal untuk prediksi … Read more

Yellowbrick adalah library visualization untuk machine learning. Yellowbrick membutuhkan scikit-learn dan matplotlib. Untuk dokumentasi lengkap di https://www.scikit-yb.org/en/latest/quickstart.html# Berikut contoh code data correlation menggunakan Yellowbrick. Pertama import library yang diperlukan yaitu pandas, matplotlib.pyplot dan FeatureCorrelation. Setelah itu, definisikan dataframe untuk target, yaitu price, dan features yaitu data selain price. Perhatian, code ini adalah lanjutan dari modul … Read more