fbpx

#python

Blog Banner End To End Machine Learning With Python

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 5: Mempersiapkan Data untuk Algoritma Machine Learning: Mengatasi Missing Values dan Variabel Teks/Kategori

“Before anything else, preparation is the key to success.” ~ Alexander Graham Bell hkaLabs: hakim-azizul.com – Sekarang, kita akan mulai mempersiapkan data kita sebelum dimasukkan ke algoritma Machine Learning. Kita akan berusaha untuk meminimalkan pekerjaan-pekerjaan manual, dengan membuat function untuk automatisasi. Beberapa alasan pendukung untuk membuat automatisasi ini, diantaranya: Memungkinkan kita untuk mereproduksi ulang tahap transformasi data …

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 5: Mempersiapkan Data untuk Algoritma Machine Learning: Mengatasi Missing Values dan Variabel Teks/Kategori Selengkapnya »

Blog Banner End To End Machine Learning With Python

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 4: Eksplorasi dan Visualisasi Data untuk Mendapatkan Insights

“Visualization gives you answers to questions you didn’t know you had.” ~ Ben Schneiderman “The greatest value of a picture is when it forces us to notice what we never expected to see.” ~ John Tukey 1. Kali ini, Kita Hanya Mengeksplor Training Dataset Saja hakim-azizul.com – Sampai sejauh ini kita telah melakukan penelaahan sekilas …

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 4: Eksplorasi dan Visualisasi Data untuk Mendapatkan Insights Selengkapnya »

Blog Banner End To End Machine Learning With Python

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 3: Membuat Set Data Uji (Test Set)

“Humans evolved brains that are pattern-recognition machines, adept at detecting signals that enhance or threaten survival amid a very noisy world… But there is only one surefire method of proper pattern recognition, and that is science.” ~ Michael Shermer 1. Membuat Test Set hakim-azizul.com – Mungkin akan terdengar aneh, karena pada sesi kali ini kita akan menyingkirkan …

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 3: Membuat Set Data Uji (Test Set) Selengkapnya »

Blog Banner End To End Machine Learning With Python

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 2: Mempersiapkan Environment dan Mengakses Data

“A breakthrough in machine learning would be worth ten Microsofts.” ~ Bill Gates 1. Mengakses Data hakim-azizul.com – Pada post sebelumnya, kita telah menyiapkan checklist untuk proyek machine learning kita, merumuskan masalah, menyiapkan performance measure, dan menguji asumsi kita. Selanjutnya, kita mulai bagian hands on. It’s time to get your hands dirty, guys! Dalam belajar, …

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 2: Mempersiapkan Environment dan Mengakses Data Selengkapnya »

scikit-learn Part 9 Blog Banner

Berkenalan dengan scikit-learn (Part 9) – Beragam Strategi untuk Mengisi Missing Values

“Data imputation is critical in practice, and thankfully there are many ways to deal with it.” ~ Hauck T. (2014) hakim-azizul.com – Pada postingan kali ini, kita akan membahas dan mempraktikkan beberapa strategi untung imputing (mengisi) missing values pada dataset. Beberapa strategi tersebut, yaitu strategi imputation yang umum digunakan, sudah menjadi bawaan dari scikit-learn; dan merupakan …

Berkenalan dengan scikit-learn (Part 9) – Beragam Strategi untuk Mengisi Missing Values Selengkapnya »

Blog Banner End To End Machine Learning With Python

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 1: Pendahuluan

“Machine learning is the field of study that gives computers the ability to learn without being explicitly programmed.” ~ Arthur Samuel   “A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance T, as measured by P, improves with experience E.” …

Proyek Machine Learning dari Hulu ke Hilir (End-to-End) – Part 1: Pendahuluan Selengkapnya »

scikit-learn Part 8 Blog Banner

Berkenalan dengan scikit-learn (Part 8) – Binarizing Label Features

“There’s another way to work with categorical variables. Instead of dealing with the categorical variables using OneHotEncoder, we can use LabelBinarizer. This is a combination of thresholding and working with categorical variables.” ~ Hauck T. (2014) Kali ini kita akan bekerja dengan variabel kategori (categorical variables) menggunakan metode yang berbeda dari yang pernah kita bahas …

Berkenalan dengan scikit-learn (Part 8) – Binarizing Label Features Selengkapnya »

Social media & sharing icons powered by UltimatelySocial