Belajar Data Mining - Belajar Algoritma C4.5 dengan Mudah
ฝัง
- เผยแพร่เมื่อ 29 มี.ค. 2020
- Belajar Algoritma C4.5 dengan Mudah
Algoritma C4.5 adalah salah satu metode pada Decision Tree (Pohon Keputusan) yang banyak dimanfaatkan untuk melakukan prediksi terhadap suatu kasus. Bagaimana langkah - langkah dari algoritma C4.5 ini? bagaimana penerapannya pada data diskrit atau kontinyu??? tonton terus videonya sampai selesai.
Selamat belajar, semoga bermanfaat.
Jangan lupa untuk Subscribe, like, comment, dan share.
Terimakasih atas support kalian!
#DataMining #DecisionTree #C45 #Algoritma #AlgoritmaC45 #Classification #Klasifikasi #Prediksi #PohonKeputusan #VideoTutorial
gampang di cerna boskuh
sangat membantu. terimakasih
Akhirnya setelah berkelana keliling internet berhari-hari nyari tutor c4.5 yg pke continous attribut baru ketemu nya disini 🤣😅 thanks tutor nya bang👍
Mungkin lain kali konsep Decision Tree algoritma C5.0 ?
terima kasih materinya mas. bagaimana cara mendapatkan data pada kolom terakhir, "PLAY"?
kalo boleh file hitung2an excel nya di share pak, biar bisa sambil ngecek rumus dan hasil hitungan, sebagai bahan pembanding, trima kasih
mau tanya pak untuk medote c.45 ini kalau class nya nanti ada 3 misalnya pada kasus klasifikasi kanker ada stadium 0 ,1,2 apakah rumus untuk menghitung entropy nya tetap sama?
Maaf Pak izin bertanya, apakah nilai Gain atau Split Info bisa bernilai negatif? Terima kasih sebelumnya Pak
bagamana cara penentuan nilai treshold dengan gain terbaik
Mantap pak fais, puyeng saya😭
Sama, kuota internet masih sanggup melihat ini, tapi tidak dengan otak :(
Pingin nikah aja aku 😭
@@MillShake emg ad cewe yg mau kau jan?
@@jackrod7778 dihina aku 😭
Hahaha....lumayan buat memperkuat imun
Bg ada ga refrensi tahap2 algoritma c4.5 yg bersumber dari buku kalau ada tlong infonya bg..atau alur kerja algoritma c4.5 itu yg kek mana fiksnya..pembuktiannya..tlong di jawab.terima kasih.🙏
Yg di video ini saya ambil dari referensi jurnal dan situs luar. Kalau dari buku di indonesia alg c4.5 yg dijelaskan lebih mengarah ke alg id3. Maaf blm bisa bantu untuk referensi buku
mau tanya, misalkan udah ketemu akarnya, kan nanti di filter sesuai cabangnya (menit 39:33 ), setelah di filter nanti, untuk data yang bernilai kontinyu seperti di gambar yang nilai temperatur, itu membagi nilainya (batasnya) (menit 40:11 ) mengikuti seperti yang telah ditemukan sebelumnya, atau menghitung kembali batasnya dengan cara seperti mencari batas pada humadity (menit 24:00 ) ya? terima kasih
Dihitung sesuai data yg sdh di filter krn jumlah datanya sudah berbeda
Terimakasih mas ilmunya,
Maaf mas izin bertanya:
1. Pada hasil tersebut variabel temperatur tidak masuk pada model pohonnya, nah itu artinya bagaimana mas? Apakah artinya variabel trsbt tidak terlalu mempengaruhi keputusan No/Yes?
2. Apakah saya boleh meminta file lengkap excelnya mas ?
1. Ya betul, tapi dimungkinkan dengan bertambahnya data atribut tersebut akan masuk ke struktur pohon.
2. Maaf belum punya mas
Bang ijin bertanya. Bagaimana jika ada kejadian nilai gain terbesar ada yang sama? mana yang harus dipilih menjadi node cabang? Tapi salah satu dari atribut tersebut memiliki satu nilai yang 0 semua atau tidak memiliki kasus. Apakah hal tersebut bisa dijadikan bahan pertimbangan dalam memilih node cabang? Mohon pencerahannya terima kasih
belum pernah menemui hal spt itu tapi tidak mustahil. mungkin bisa dipilih yg ada nol nya saja agar ada label / klas.
bg,,boleh ga sebelum kita melakukan perhitungan algoritma c4.5,, data yg sudah ada,, kriteria atributnya kita buatkan kelas,, misal atribut umur,, tukan bnyak jdi kita kelaskan dari umur sekian smpe btassnya dikatagorikan muda,,dari umur skian dikategorikan tua...
Ya boleh sekali
Mas , apakah video c4.5 sebelumnya di kategorikan id3?, Tapi beberapa sumber yang saya lihat video sebelumnya banyak yang menggunakan cara tersebut dan menganggapnya dengan c4.5 , mohon petunjuknya
Memang banyak jurnal dan tutorial yg saya baca dan saya pelajari c45 seperti di video yg pertama, kemudian saya coba cari referensi dari luar ternyata begini, jika data yg digunakan adalah data categorical maka masih bisa menggunakan cara seperti di video pertama, tapi ketika data yg digunakan adalah diskrit atau kontinyu maka harus pakai cara yg di video ini.
Kemudian, bedanya lagi di c45 struktur pohon bisa dipangkas jika tdk signifikan, beda dengan id3 yang harus diselesaikan.
Itu sih pendapat saya. Semoga membantu
Mohon maaf pak, izin bertanya. Jika pengolahan datanya menggunakan software, maka pada variabel humidity apakah datanya juga perlu dikategorikan menjadi 78 atau tetap seperti aslinya ?
Tetap dikategorikan
Assalamualaikum, saya mau bertanya. Bagaimana caranya melakukan perbandingan jika isi dari atribut2nya tidak memiliki angka sama sekali?
pilih metode lain yang bisa memproses data non numeric
bagaimana cara untuk mengetahui label seperti hasil dengan kondisi yes dan no itu ya bg? kok tiba2 langsung ada kondisi di kolom hasil dengan kondisi yes dan no. itu darimana didapatkan bg?
mohon penjelesannya, terima kasih
Itu adalah data2 sebelumnya bang, krn algoritma ini salah satu syaratnya adalah ada data dalam jumlah banyak, dan data2 awal tsb adalah data berdasarkan kejadian sebelumnya yang sudah membentuk sebuah pola. Krn algoritma ini mempelajari data tsb utk menciptakan sebuah pohon keputusan
Pak mau tanya jika nilai gain, terdapat nilai minus bagaimana pak, apa tidak apa²?
up
Kak mau tanya apakah memungkinkan hasil akhir dari pohon in adalah yes dan yes atau no dan no kak.? mohon bantuan dan penjelasannya trima ksih kak
Selama ini blm pernah saya temukan kasus spt itu, ken setiap cabang pasti pilihan, pilihan pasti berbeda. Kl tdk berbeda namanya bukan pilihan
Pak mohon maaf bertanya, jika dataset yang digunakan berupa teks bagaimana untuk klasifikasi nya? Apalah bisa?
bisa
kak bagaimana kalau datasetnya tidak punya atribut Yes dan No?
tolong bantu cari materi tentang yg c4.5 yg kasus datasetnya tidak memiliki Yes dan No
C4.5 adalah algoritma supervised learning, jadi datanya harus ada labelnya (yes/no), (besar/kecil) dll
Mau tanya pak, Apa makna dari huruf "C" dan angka "4.5" pada nama algoritma C4.5?🙏
Kalo tdk salah Classification ver. 4.5
mau tanya dong kalau log2 itu nilainya berapa ya ?
0,3.. kayaknya
mau nanya kak, bisa tidak algoritma c4.5 memprediksi kasus dengan 3 pilihan?
3 pilihan gmn? 3 klas apa 3 parameter. Kl 3 klas bisa
@@Codingers mas saya mau nanya kalo kelasnya 3 ngitung entropinya gimana ya? kok di saya hasilnya lebih dari satu mas, mohon bantuannya mas. apa memang kelasnya harus 2 ya? seperti (ya/tidak), (diterima/ditolak), dan lainnya
Boleh minta pptnya bang
attribut/fitur temperatur kenapa kok di hilangkan
kalau setiap cabang sudah menghasilkan label, maka tidak harus semua atribut diproses. berarti atribut tersebut belum/tidak memiliki ketergantungan terhadap hasil. mungkin dengan seiring bertambahnya data, bisa saja ada perubahan struktur pohon dan semua atribut masuk ke dalam struktur pohon.