Selamat siang pak, saya mau bertanya. Saya mencoba membuat model yg terdiri dari feature Umur dan Gaji untuk prediksi Beli/Tidak dengan Decission Tree Classifier hasil train dan test modelnya bagus, namun setelah dilakukan visualisasi leafnode dari pohon2 tsb tidak ada yg menghasilkan nilai gini impurity = 0. Lalu apakah model saya ini tetap valid atau salah pak ?
Maaf pak saya mau nanya, apakah bisa menejelaskan langkah-langkah metode CART dan metode CHAID dengan menggunakan phyton , saya sudah mencoba beberapa yang di YT tapi ada aja yg salah . Mohon di bantu 🙏🙏
Permisi Pak, Izin bertanya terkait pemecahan kriteria saat di flow chart tersebut, saya ada 2 pertanyaan: 1. Pertanyaan pertama, Pada Root Node, kita kan memecah dengan kriteria X[3]
izin menjawab pak, jenis perhitungan dengan rumus gini impurity digunakan untuk dectree "cart" kalau untuk rumus entropy - gain ratio dectree "c.45", dan entropy- information gain dectree "ID3"... mungkin begitu pak
Apakah sudah mengikutinya dari video pertama? Kalau boleh tahu tingkat pemahaman dasar saat ini ada di level mana ya? Kalau sepenuhnya buta dengan data science, materi belajar yang kami tawarkan di channel Indonesia Belajar ini sengaja kami mulai dari statistika deskriptif 😊☕🙏
@@belajaridn iya sudah cuman utk seorang awam masih blm terlalu jelas. seperti misalnya kurang nya penjelasan mengenai apa itu gain index, gini impurity, entropy, dll. sy harap tutorialnya bisa lebih memperkuat pondasi dalam memahami hal2 dasar terlbih dahulu.
Ini sebenernya hal yang sangat tricky ketika mengemas materi ajar terkait Machine Learning, menyeimbangkan antara konsep fundamental dan kemampuan praktis. Untuk playlist ini memang kami lebih memberatkan pada sisi praktisnya, tetapi memang kami juga ada rencana untuk membuatkan playlist terpisah yang berfokus pada materi fundamental. Hanya saja belum bisa kami garap dalam waktu dekat 😊🙏
Dosen yang menjelaskan di YouTUbe jauh lebih disukai
Semoga materi yang disampaikan bisa bermanfaat ya 😊🙏
@@belajaridn aamiin, terimakasih pak
Sama-sama 😊🙏
Terima kasih Indonesia Belajar!
sangat jelas dan membantu. Terima kasih kak!
Sama-sama, senang bisa membantu 😊☕
seru decision tree ini
Betul, ini termasuk algoritma dasar yang sangat menarik untuk dipelajari 😊☕👍
mantap pak, lanjutkan🔥🔥
Semoga bisa bermanfaat ya 😊☕🙏
terima kasih pak
Good post
Semoga bermanfaat ya 😊
Mohon penjelasan tentang SVR dalam hal prediksi, ada contohnya? trmksh
gini impurity vs entropy. dikondisi apa? kita harus memakai salah satunya
Halo Kak, Mohon bantu jawab cara hyper parameter tuning untuk decision tree cart dalam menentukan kedalamannya.
Selamat siang pak, saya mau bertanya. Saya mencoba membuat model yg terdiri dari feature Umur dan Gaji untuk prediksi Beli/Tidak dengan Decission Tree Classifier hasil train dan test modelnya bagus, namun setelah dilakukan visualisasi leafnode dari pohon2 tsb tidak ada yg menghasilkan nilai gini impurity = 0. Lalu apakah model saya ini tetap valid atau salah pak ?
Di tunggu ya pak, penerapan pada algoritma support vector regression pak 🙏
SIap :)
izin bertanya, bagaimana penerapan decision tree pada sentiment analysis twitter?
izin bertanya, untuk visualisasi pohon keputusan diatas menggunakan algoritma decision tree jenis apa yaa, ID3 ac45 atau CART
Default di Scikit-Learn untuk decision tree adalah CART.
bang referensi teori ini diambil dari mana ya?
Ka req untuk xgboost dong ka
Mau tanya kak jdi ini adalah pemecah kriteria gini index yah 🙏
Maaf pak saya mau nanya, apakah bisa menejelaskan langkah-langkah metode CART dan metode CHAID dengan menggunakan phyton , saya sudah mencoba beberapa yang di YT tapi ada aja yg salah . Mohon di bantu 🙏🙏
izin bertanya, lalu untuk dectree yang ada di random forest, itu dectree jenis apa ya? apakah cart? Terima kasih
Scikit-Learn mengusung CART sebagai default Tree ☺️☕
@@belajaridn lalu untuk menentukan depth random forest,ada ketentuan atau perhitungannya?? Terima kasih
Halo kak, kalau leaf node nya punya 2 keputusan bagaimana cara mengatasinya ya?
Maaf ingin bertanya, untuk membangun sebuah chatbot, metode machine learning apakah yang cocok untuk diterapkan ? terima kasih.
Untuk chatbot, bisa mendalami area NLP (Natural Language Processing).
Kalo nlp digabung sama decision tree bisa ga ya min, masih bingung soalnya sama nlp.
Bisa2 saja sih mas, tapi hasilnya jadi kurang bagus.
Permisi Pak, Izin bertanya terkait pemecahan kriteria saat di flow chart tersebut, saya ada 2 pertanyaan:
1. Pertanyaan pertama, Pada Root Node, kita kan memecah dengan kriteria X[3]
Di 20:50 itu dibuat test_size nya cmn 0.3, alias cuman 30% dari dataset aslinya yang digunakan. Kalau sepemahaman saya sih gitu, cmiiw yaa
Permisi Pak izin bertanya, jika ingin memprediksi harga barang apakah bisa diselesaikan dengan metode decision tree?
Memungkinkan untuk menerapkan regression dengan Decision Tree, nanti bisa menggunakan DecisionTreeRegressor.
@@belajaridn baik Pak terimakasih 🙏🏻
Coba beberapa model regression lain juga seperti Linear Regression dan Polynomial Regression.
izin bertanya gini impurity itu apakah sama dengan entropy ya ..... ?
izin menjawab pak, jenis perhitungan dengan rumus gini impurity digunakan untuk dectree "cart" kalau untuk rumus entropy - gain ratio dectree "c.45", dan entropy- information gain dectree "ID3"... mungkin begitu pak
Kka ijin bertanya, apakah ada ketentuan dalam menggunakan max_depth berapa banyak kedalamanya?
Penentuan nilai parameter semacam ini termasuk dalam bagian dari proses yang biasa dikenal sebagai parameter tuning 😊☕
@@belajaridn ppt dle
bisa join discord ??
pak datasetnya file csv dmna ya
Coba cek deskripsi videonya, mestinya terdapat penanda waktu di mana dijelaskan terkait akses ke dataset yang digunakan dalam video ini 😊🙏
pak mintaka ppt mu
penjelasan yang masih susah di mengerti buat pemula
Apakah sudah mengikutinya dari video pertama? Kalau boleh tahu tingkat pemahaman dasar saat ini ada di level mana ya?
Kalau sepenuhnya buta dengan data science, materi belajar yang kami tawarkan di channel Indonesia Belajar ini sengaja kami mulai dari statistika deskriptif 😊☕🙏
@@belajaridn iya sudah cuman utk seorang awam masih blm terlalu jelas. seperti misalnya kurang nya penjelasan mengenai apa itu gain index, gini impurity, entropy, dll. sy harap tutorialnya bisa lebih memperkuat pondasi dalam memahami hal2 dasar terlbih dahulu.
Ini sebenernya hal yang sangat tricky ketika mengemas materi ajar terkait Machine Learning, menyeimbangkan antara konsep fundamental dan kemampuan praktis. Untuk playlist ini memang kami lebih memberatkan pada sisi praktisnya, tetapi memang kami juga ada rencana untuk membuatkan playlist terpisah yang berfokus pada materi fundamental. Hanya saja belum bisa kami garap dalam waktu dekat 😊🙏
jadi arch linux user have no life ?, wkwkwkwk
LoL, it's just meme 😂
izin bertanya, untuk visualisasi pohon keputusan diatas menggunakan algoritma decision tree jenis apa yaa, ID3 ac45 atau CART
cart
Secara default, ScikitLearn mengadopsi CART :)
Untuk membangun sebuah tree nya apakah dilihat dari Gini impurity atau enropy?