1. Regresi

• Regresi Linier: Model sederhana untuk memprediksi hasil numerik dengan menyesuaikan garis regresi pada titik data.

• Regresi Ridge: Versi regresi linier yang lebih kuat dengan penalti untuk mencegah overfitting.

• Regresi Polinomial: Memodelkan data dengan pola non-linear menggunakan kurva derajat tinggi.

• SVR (Support Vector Regression): Digunakan untuk data berdimensi tinggi dengan berbagai kernel.

• Regresi Pohon Keputusan: Model berbasis pohon yang membagi data menjadi subkelompok homogen.

• Regresi Hutan Acak: Gabungan banyak pohon keputusan untuk hasil yang lebih akurat melalui metode ensemble.

2. Klasifikasi

• Regresi Logistik: Model linear untuk klasifikasi biner dan multikelas, menggunakan strategi One-vs-Rest.

• SVM (Support Vector Machines): Menggunakan kernel untuk klasifikasi data berdimensi tinggi.

• Naive Bayes: Menggunakan teorema Bayes dengan asumsi independensi antar fitur.

• Klasifikasi Pohon Keputusan: Membagi data ke dalam subkelompok berdasarkan nilai atribut.

• Gradient Boosting: Menggabungkan beberapa pohon keputusan untuk meningkatkan akurasi model.

• KNN (K Nearest Neighbor): Mengelompokkan data berdasarkan jarak terdekat dalam ruang fitur.

3. Metrik Evaluasi

• Regresi: Metrik seperti R-squared, Mean Absolute Error (MAE), dan Mean Squared Error (MSE).

• Klasifikasi: Confusion Matrix, Precision, Recall, F1-Score, dan Akurasi.

Langkah-langkah:

1. Impor pustaka yang diperlukan:

   import pandas as pd

   from sklearn import datasets

   from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression

   from sklearn.metrics import mean_squared_error, r2_score

2. Muat dataset Diabetes: Dataset ini digunakan untuk prediksi tingkat diabetes berdasarkan 10 fitur klinis.

   diabetes = datasets.load_diabetes()

   columns = "age sex bmi bp tc ldl hdl tch ltg glu".split() # Nama kolom fitur

   X = pd.DataFrame(diabetes.data, columns=columns) # Variabel fitur

   y = diabetes.target # Variabel target (tingkat diabetes)

3. Pisahkan data menjadi set pelatihan dan pengujian: Menggunakan train_test_split untuk membagi data menjadi 80% pelatihan dan 20% pengujian.

   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. Latih model Regresi Linear: Regresi linier adalah model paling dasar untuk regresi yang berusaha menemukan hubungan linear antara variabel independen dan dependen.

   model = LinearRegression()

   model.fit (X_train, y_train)

5. Prediksi dengan data pengujian dan evaluasi model: Gunakan model untuk memprediksi data yang tidak terlihat, dan evaluasi dengan mean_squared_error dan r2_score.

   y_pred = model.predict(X_test) print("Mean Squared Error (MSE):", mean_squared_error(y_test, y_pred)) print("R2 Score:", r2_score(y_test, y_pred))

6. Hasil Evaluasi: MSE mengukur rata-rata kesalahan prediksi, dan R2 menunjukkan seberapa baik model menjelaskan variabilitas data (dalam rentang 0 hingga 1).

1. Kemudahan Penggunaan:

• Antarmuka yang bersih dan intuitif, memudahkan pengguna memahami dan menggunakan fungsinya.

• Dokumentasi yang lengkap dan mudah diakses, menyediakan contoh kode dan penjelasan terperinci untuk setiap modul.

• Kurva pembelajaran yang user friendly, cocok untuk pemula yang baru memulai dengan machine learning.

2. Fleksibilitas dan Kemampuan Beradaptasi:

• Mendukung berbagai tugas machine learning, termasuk klasifikasi, regresi, pengelompokkan, dan pengurangan dimensi.

• Menyediakan berbagai algoritma untuk setiap tugas, memungkinkan Anda memilih yang paling sesuai dengan kebutuhan proyek Anda.

• Berkompatibilitas dengan library Python lain seperti NumPy, SciPy, dan Matplotlib, memungkinkan integrasi yang lancar ke dalam alur kerja data science Anda.

3. Efisiensi dan Skalabilitas:

• Kode yang dioptimalkan untuk performa yang cepat, bahkan saat menangani dataset yang besar.

• Dukungan untuk komputasi paralel, memungkinkan Anda memanfaatkan kekuatan komputer multi-core untuk meningkatkan kecepatan pemrosesan.

• Kemampuan untuk menskalakan model ke dataset yang lebih besar dengan mudah.

4. Open-source dan Komunitas yang Aktif:

• Tersedia secara gratis, menjadikannya pilihan yang menarik bagi individu dan organisasi dengan anggaran terbatas.

• Komunitas pengembang yang besar dan aktif terus berkontribusi pada pengembangan library, memastikan fitur baru dan perbaikan bug secara berkelanjutan.

• Akses ke berbagai sumber daya online, termasuk forum diskusi dan tutorial, untuk mendapatkan bantuan dan belajar dari pengguna lain.

5. Model yang Dapat Dipercaya dan Transparan:

• Memberikan kontrol granular atas parameter model, memungkinkan Anda untuk menyesuaikannya dengan data Anda dan mencapai performa yang optimal.

• Menyediakan berbagai metrik evaluasi untuk menilai kinerja model secara obyektif dan mengidentifikasi ruang untuk perbaikan.

• Memungkinkan ekspor dan penyimpanan model yang telah dilatih, sehingga Anda dapat menggunakannya nanti untuk prediksi dan inferensi.

• Tidak dirancang untuk deep learning: Scikit-learn lebih cocok untuk model yang relatif kecil dan tidak dirancang untuk deep learning. 

• Kurangnya dukungan GPU: Scikit-learn tidak mendukung akselerasi GPU secara langsung. 

• Tidak dirancang untuk data berukuran sangat besar: Scikit-learn tidak dirancang untuk bekerja pada data berukuran sangat besar. 

• Tidak dirancang untuk pemrosesan paralel atau distribusi skala besar: Scikit-learn tidak dirancang untuk tugas yang memerlukan pemrosesan paralel atau distribusi skala besar. 

Contoh scikit-learn sederhana ini bertujuan untuk menentukan preferensi rasa anggur manusia berdasarkan uji analitis yang mudah diakses pada tahap sertifikasi. Anda dapat menggunakan nilai estimasi untuk mengembangkan varietas anggur baru, menetapkan pedoman harga, atau membantu sistem penasihat membuat keputusan. Untuk proyek prediksi kualitas anggur ini , gunakan kumpulan data sampel anggur yang tersedia di repositori pembelajaran mesin UCI. Terapkan regresi logistik dan pohon keputusan untuk membuat prediksi dan menganalisis prediksi menggunakan laporan klasifikasi dan matriks kebingungan. Selain itu, gunakan GridSearchCV untuk menyetel hiperparameter kedua algoritme. Gunakan pengklasifikasi vektor pendukung untuk mengklasifikasikan data sebelum memilih model terbaik untuk digunakan untuk prediksi akhir berdasarkan skor.