Mesin
PEMBELAJARAN MESIN
Pada kesempatan kali ini Penulis akan melakukan eksplorasi data set menggunakan Tools Google Collab, yaitu:
a. Bagaimana cara membuat evaluasi algoritma dengan menggunakan model algoritma DecisionTreeClassifier, RandomClassifier, dan LogisticRegression pada dataset Iris?
b. Bagaimana cara membuat evaluasi algoritma dengan menggunakan model algoritma K-Nearest Neighbors (KNN), Gaussian Naive Bayes (NB) dan Support Vector Machines (SVM) pada dataset Ecoli?
PEMBAHASAN
a. Dataset Iris.
1. Import Library yang dibutuhkan dan muat Datasetnya.
| import pandas import sklearn import matplotlib import numpy import scipy import keras from sklearn import model_selection from sklearn.metrics import accuracy_score from sklearn.metrics import confusion_matrix from sklearn.metrics import classification_report from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import RandomForestClassifier from sklearn.linear_model import LogisticRegression |
| url = "http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data" names = ['sepal-length', 'sepal-width', 'petal-length','petal-width', 'class'] |
| dataset = pandas.read_csv(url, names=names) |
Sebelum melakukan evaluasi algoritma dalam dataset Iris yaitu dengan melakukan import semua library yang dibutuhkan dan muat terlebih dahulu datasetnya untuk proses evaluasi algoritma.
2. Membuat Validasi Dataset.
Langkah selanjutnya yaitu melakukan validasi yang mana digunakan untuk mengetahui model yang telah dibuat baik, dengan menggunakan metode statistik untuk memperkirakan keakuratan model yang telah dibuat. Dataset yang telah dimuat akan dibagi menjadi 2, 80% diantaranya digunakan untuk melatih model dan 20% digunakan untuk data validasi.
| array = dataset.values X = array[:,0:4] Y = array[:,4] validation_size = 0.20 seed = 7 X_train, X_validation, Y_train, Y_validation = model_selection.train_test_split(X, Y, test_size=validation_size, random_state=seed) |
Jika perintah diatas dieksekusi, maka terdapat dua data yaitu X_train dan Y_train untuk mempersiapkan model dan rangkaian X_validation dan Y_validation yang dapat digunakan selanjutnya.
3. K-Folds Cross Validation.
K-Fold Cross Validation adalah salah satu dari jenis pengujian cross validation yang berfungsi untuk menilai kinerja proses sebuah metode algoritma dengan membagi sampel data secara acak dan mengelompokkan data tersebut sebanyak nilai k-fold. Kemudian salah satu kelompok k-fold tersebut akan dijadikan sebagai data uji sedangkan sisa kelompok yang lain akan dijadikan sebagai data latih.
| # Test options and evaluation metric seed = 7 scoring = 'accuracy' |
Dengan menggunakan validasi silang 10 kali lipat untuk memperkirakan akurasi. Maka dataset dibagi menjadi 10 bagian, dimana 9 untuk latihan dan 1 untuk pengujian dan diulangi untuk semua kombinasi.
4. Membangun Model.
# Spot Check Algorithms models = [] models.append(('decision_tree', DecisionTreeClassifier())) models.append(('random_forest', RandomForestClassifier())) models.append(('logit', LogisticRegression())) |
Untuk mengetahui algoritma yang cocok dengan studi kasus ini maka perlu adanya evaluasi menggunakan beberapa algoritma, dengan menggunakan model algoritma DecisionTreeClassifier, RandomClassifier, dan LogisticRegression.
5. Memilih Model Terbaik
Jika sudah memiliki hasil evaluasi dari ketiga model diatas selanjutnya, yaitu memilih model terbaik dari perbandingan satu sama lainnya dan dipilih yang paling akurat.
# evaluate each model in turn results = [] names = [] for name, model in models: kfold = model_selection.KFold(n_splits=10, random_state=seed) cv_results = model_selection.cross_val_score(model, X_train, Y_train, cv=kfold, scoring=scoring) results.append(cv_results) names.append(name) msg = "%s: %f (%f)" % (name, cv_results.mean(), cv_results.std()) print(msg) |
Dari hasil output di atas, dengan menggunakan model logisticRegression memiliki nilai akurasi terbesar. Setelah itu melakukan pengujian tentang keakuratan model LogisticRegression terhadap data yang ada.
# Make predictions on validation dataset logit = LogisticRegression() logit.fit(X_train, Y_train) predictions = logit.predict(X_validation) print(accuracy_score(Y_validation, predictions)) print(confusion_matrix(Y_validation, predictions)) print(classification_report(Y_validation, predictions)) |
b. Dataset Ecoli
1. Import Library yang dibutuhkan dan muat Datasetnya.
import pandas import sklearn import matplotlib import numpy import scipy from sklearn import model_selection from sklearn.metrics import accuracy_score from sklearn.metrics import confusion_matrix from sklearn.metrics import classification_report from sklearn.neighbors import KNeighborsClassifier from sklearn.naive_bayes import GaussianNB from sklearn.svm import SVC |
from google.colab import drive drive.mount('/content/drive') |
names = ['Sequence_Name', 'mcg', 'gvh', 'lip', 'chg', 'aac', 'alm1', 'alm2','class'] dataset = pandas.read_csv(url, names=names) |
Sebelum melakukan evaluasi algoritma dalam dataset Iris yaitu dengan melakukan import semua library yang dibutuhkan dan muat terlebih dahulu datasetnya untuk proses evaluasi algoritma.
2. Membuat Validasi Dataset.
Langkah selanjutnya yaitu melakukan validasi yang mana digunakan untuk mengetahui model yang telah dibuat baik, dengan menggunakan metode statistik untuk memperkirakan keakuratan model yang telah dibuat. Dataset yang telah dimuat akan dibagi menjadi 2, 80% diantaranya digunakan untuk melatih model dan 20% digunakan untuk data validasi.
| array = dataset.values X = array[:,0:4] Y = array[:,4] validation_size = 0.20 seed = 7 X_train, X_validation, Y_train, Y_validation = model_selection.train_test_split(X, Y, test_size=validation_size, random_state=seed) |
Jika perintah diatas dieksekusi, maka terdapat dua data yaitu X_train dan Y_train untuk mempersiapkan model dan rangkaian X_validation dan Y_validation yang dapat digunakan selanjutnya.
3. K-Folds Cross Validation.
K-Fold Cross Validation adalah salah satu dari jenis pengujian cross validation yang berfungsi untuk menilai kinerja proses sebuah metode algoritma dengan membagi sampel data secara acak dan mengelompokkan data tersebut sebanyak nilai k-fold. Kemudian salah satu kelompok k-fold tersebut akan dijadikan sebagai data uji sedangkan sisa kelompok yang lain akan dijadikan sebagai data latih.
| # Test options and evaluation metric seed = 7 scoring = 'accuracy' |
Dengan menggunakan validasi silang 10 kali lipat untuk memperkirakan akurasi. Maka dataset dibagi menjadi 10 bagian, dimana 9 untuk latihan dan 1 untuk pengujian dan diulangi untuk semua kombinasi.
4. Membangun Model.
| # Spot Check Algorithms models = [] models.append(('KNN', KNeighborsClassifier())) models.append(('NB', GaussianNB())) models.append(('SVM', SVC())) |
Untuk mengetahui algoritma yang cocok dengan studi kasus ini maka perlu adanya evaluasi menggunakan beberapa algoritma, dengan menggunakan model algoritma K-Nearest Neighbors (KNN), Gaussian Naive Bayes (NB) dan Support Vector Machines (SVM).
5. Memilih Model Terbaik.
Jika sudah memiliki hasil evaluasi dari ketiga model diatas selanjutnya, yaitu memilih model terbaik dari perbandingan satu sama lainnya dan dipilih yang paling akurat.
# evaluate each model in turn results = [] names = [] for name, model in models: kfold = model_selection.KFold(n_splits=10, random_state=seed) cv_results = model_selection.cross_val_score(model, X_train, Y_train, cv=kfold, scoring=scoring) results.append(cv_results) names.append(name) msg = "%s: %f (%f)" % (name, cv_results.mean(), cv_results.std()) print(msg)) |
Belum ada Komentar untuk "Mesin"
Posting Komentar