SKLearn 14 | Support Vector Machine Classification | SVM | Belajar Machine Learning Dasar
ฝัง
- เผยแพร่เมื่อ 10 ก.ค. 2024
- Salam Indonesia Belajar!!!
Classification dengan Support Vector Machine atau biasa disingkat sebagai SVM.
Video ini adalah video keempatbelas, dari video berseri atau playlist bertema Belajar Machine Learning dengan Python.
Dalam sesi belajar kali ini kita akan mempelajari:
00:00 - Intro
02:12 - Pengenalan Decision Boundary & Hyperplane
06:44 - Pengenalan Support Vector & Maximum Margin
09:04 - Pengenalan kondisi Linearly Inseparable dan Kernel Tricks
12:19 - Pengenalan MNIST Handwritten Digits Dataset
19:13 - Klasifikasi dengan Support Vector Classifier | SVC
21:36 - Hyperparameter Tuning dengan Grid Search
29:36 - Evaluasi Model
Apa itu Machine Learning? Apa itu Scikit-Learn?
Scikit-Learn merupakan module dalam pemrograman Python yang memfasilitasi kita untuk mengerjakan berbagai machine learning project. Awalnya Scikit-Learn ini digarap sebagai bagian dari Google Summer of Code projec pada tahun 2007. Istilah Scikit sendiri merupakan kependekan dari SciPy Toolkits; karena memang project ini diperuntukkan sebagai extension untuk SciPy yang merupakan Scientific module dalam pemrograman python. Code base dari project ini lalu ditulis ulang dan mulai dibentuk tim khusus untuk mengembangkan project ini dengan lebih serius. Di awal tahun 2010, project Scikit-Learn ini dirilis ke publik dan berhasil menarik banyak contributor yang akhirnya menjadikan project ini terus berkembang sampai saat ini. Bahkan di tahun 2012, Scikit-Learn dikenal sebagai machine learning library yang paling populer dan well maintained.
Materi dalam seri pembelajaran ini kami susun sedemikian rupa agar mudah diikuti, dan selalu kami awali dengan materi2 yang sifatnya mendasar terlebih dahulu. Kami berharap materi pembelajaran Machine Learning Dasar ini dapat bermanfaat dan membantu proses belajar kalian.
Bilamana ada pertanyaan ataupun masukan terkait materi yang kami sampaikan, kalian dapat mengajukan pertanyaan dan masukan kalian, melalui kolom komentar video. Kami akan selalu berusaha untuk merespon setiap pertanyaan dan masukan yang kalian ajukan.
Bagi teman-teman yang ingin mentraktir kami, silakan untuk memanfaatkan link Saweria berikut ini: saweria.co/belajaridn
Bagi teman-teman yang tertarik, silakan untuk bergabung juga dengan Discord server Indonesia Belajar: / discord
Dataset MNIST Hand Written: yann.lecun.com/exdb/mnist/
Alternatif link menuju dataset yang sama: github.com/petar/GoMNIST/tree...
Links terkait:
- Scikit-Learn: scikit-learn.org/stable/index...
- SciPy: www.scipy.org/
- Matplotlib: matplotlib.org/
- Pandas: pandas.pydata.org/
- Anaconda: www.anaconda.com/
- Referensi Support Vector Machine: www.svm-tutorial.com/
- Referensi Kernel Tricks: www.quora.com/What-is-the-ker...
- Referensi Hyperparameter Tuning: en.wikipedia.org/wiki/Hyperpa...
Keywords:
- Belajar Machine Learning Dasar
- Belajar Machine Learning Pemula
- Tutorial Machine Learning Dasar
- Belajar Machine Learning dengan Python
- Tutorial Machine Learning dengan Python
- Belajar Scikit-Learn
- Belajar Data Science
- Belajar Support Vector Machine
- Belajar SVM
- Belajar Classification Task
#SupportVectorMachine #SVM #Classification
![[Full Episode] MasterChef Junior Thailand มาสเตอร์เชฟ จูเนียร์ ประเทศไทย Season 3 Episode 5](http://i.ytimg.com/vi/g5wpgeAIzMs/mqdefault.jpg)
yg masih error krn AttributeError: 'str' object has no attribute 'reshape'
ini solusinya:
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np
pos = 1
X = np.array(X)
for data in X[:8]:
plt.subplot(1, 8, pos)
plt.imshow(data.reshape((28,28)), cmap=cm.Greys_r)
plt.axis('off')
pos += 1
plt.show()
Terima kasih banyak mas untuk penjelasannya. Saya pin ya supaya teman2 yang lain bisa terbantu :)
Terimakasih
AttributeError Traceback (most recent call last)
Cell In[2], line 7
5 for data in X[:8]:
6 plt.subplot(1, 8, pos)
----> 7 plt.imshow(data.reshape((28, 28)),
8 cmap=cm.Greys_r)
9 plt.axis('off')
10 pos += 1
AttributeError: 'str' object has no attribute 'reshape'
mantap bangg maju terus kami sebagai anak sistem informasi sangat terbantuuuu
Sama-sama, senang bisa membantu.
Penjabarannya jelas banget, buat pemula seperti saya jadi mudah memahaminya
Terimakasih kak, sangat bermanfaat ilmunya👍
Alhamdulillah... Kami juga senang bila apa yang kami hasilkan ini bisa bermanfaat bagi banyak orang ☺️☕🙏
min, bahas one class svm untuk menghilangkan outlier dong min, btw nice video min!
Min boleh minta tolong untuk bahas svr, penjelasan nya keren mudah dimengerti 🙏
sangat membantu mas,,,,,,request dong bang pengklasifikasian menggunkan 2 metode yaitu SVM dan GWO mas,,,,,terimakasi mas
Senang bisa membantu. Untuk saat ini, melihat kesibukan saya, rasanya belum memungkinkan untuk menggarap materi lanjutan. Mohon maaf 🙏
@@belajaridn semoga ada kesempatan kedepannya mas,,,,,,,selalu stay nunggu lnjtan dari video"nya mas
Amin... 😊🙏🙏🙏
semoga sukses terus
Amin... terima kasih ya 🙏
Pak tolong batin vidio clasifiki menggunakan linear discriminant Analysis( LDA) yang di gabung sama SVM dalam clasifikasi
bang bikin hybrid svm dong
ka bikin grup discord or langganan gitu dong biar ada tempat diskusi,btw saya suka videonya
Channel Indonesia Belajar sudah memiliki Discord server. Silakan akses url nya pada deskripsi video :)
Sebelumnya terimakasih atas ilmu yang telah disampaikan di series Machine Learning ini. Izin bertanya pak apa kita bisa menggunakan k-Cross Fold Validation dan juga Hyperparameter Tuning (GridSearchCV) dalam suatu model ?
bisa di gridsearchCV nya didalamnya ditambah cv=Nilai_k-CV (biasanya 3 s.d 10)
ijin bertanya pak
apa akibatnya jika margin terlalu melebar atau terlalu dekat ?
Assalamu'alaikum kak.
Ada tutorial svm untuk klasifikasi 3 kelas data atau 3 target?
kak apakah kernel linier cocok digunakan untuk dataset diabetes?
Mas, bagaimana cara kita mengetahui kernel yg cocok utk dataset kita?
Atau kapan kita harus menggunakan 'linear', 'rbf', dan 'polynomial'?
Nah ini pertanyaan yang cukup sulit untuk dijawab karena kita perlu memahami konsep matematis di balik setiap kernel tersebut serta konteks nya terhadap dataset yang kita miliki.
Bang, izin tanya, by default kernelnya itu RBF kan?
bang jurnal untuk karnel sama konsep dasar svm adakah bang?
mas... tolong dong buatin video cara instalasi openSUSE yg membat partisi sendiri dengan manual
Kami akan buatkan panduan instalasi beserta ulasan openSUSE selepas versi 15.3 rilis beberapa saat l😊🙏
@@belajaridn siip mas..👍
tak tunggu 😉😊
Siap 😊👍
kak coba bahas versi SVR dong
Oke, tapi tidak dalam waktu dekat ya
👍
mau tanya, di bagian 21:07 itu di codenya ada pakai fungsi predict(). boleh tau itu cara kerjanya bagaimana? bagaimana bisa mencocokkan data berlabel itu menjadi model? bukannya kalau datanya sudah berlabel dia akan bisa langsung dikenali? jadi di bagian mana saja svm ini digunakan? maaf bila pertanyaannya sedikit kurang jelas, karna saya masih sangat pemula. terima kasih.
Seri pembelajaran ini kami susun sedemikian rupa agar ramah bagi pemula. Kami sangat menyarankan untuk mengikuti materinya secara sistemaris dari sesi pertama untuk mendapatkan gambaran yang lebih baik mengenai machine learning.
@@belajaridn maaf, saya memang sudah tonton dari awal hingga akhir. dan muncul pertanyaan yang saya tidak temukan jawabannya di video diatas. lebih tepatnya saat dijalankannya fungsi predict(), bagaimana kerja fungsi itu hingga suatu gambar dapat diklasifikasikan misal ke class angka "4" atau "5" dll? apa pendekatannya, misal apakah cosine similarity, euclidean distance atau lainnya? maksudnya, gambar itu diolah seperti apa? apakah dicocokkan per bit atau seperti apa? karena kan, tidak terlihat bagaimana tahap internal yang kita tau hanya panggil fungsi predict() dari library.
@@andinip9054 Untuk mempelajari dan menyoroti secara lebih teknis, sebenarnya bisa membuka source code dari module terkait. Semisal, untuk kasus classification dengan SVM, kita bisa pelajari dari sini: github.com/scikit-learn/scikit-learn/blob/baf828ca1/sklearn/svm/_base.py#L761
saya masih error pak, mau pake versi matplotlib brp aja gk pengaruh.
AttributeError Traceback (most recent call last)
Cell In[2], line 7
5 for data in X[:8]:
6 plt.subplot(1, 8, pos)
----> 7 plt.imshow(data.reshape((28, 28)),
8 cmap=cm.Greys_r)
9 plt.axis('off')
10 pos += 1
AttributeError: 'str' object has no attribute 'reshape'
Kalau dilihat dari error message nya, masalah nya itu ada di data. Coba print out saja variable data nya. Tipe data dari object yang disimpan di variable data tidak memiliki method reshape. Begitulah pesan yang disampaikan dari error message tersebut.
Kalau video tutorial supervised Logistic ada kak?
Logistic Regression pernah kami bahas di seri belajar ini mas ☺️☕
buat dapet parameter terbaik harus split train teset dulu ya? berarti kalau beda rasio data set, akan beda gak parameter terbaiknya?
Sebenarnya untuk parameter tuning, dataset perlu dibagi menjadi 3: training dataset, validation dataset, dan testing dataset. Tetapi karena ini masih playlist Machine Learning dasar, maka kita gunakan dua dataset saja. Porsi training dataset selalu yang paling besar karena ini yang akan kita gunakan untuk melatih model.
Perubahan pada dataset pasti berdampak pada model yang kita latih.
@@belajaridn pak, saya mau nanya, validation set itu apakah spt k-fold cross validation kah?
@@rizkiyoga9704 dataset dapat kita bagi dalam 3 bagian, yaitu training set, validation set, dan testing set. Training set digunakan untuk training model. Validation set digunakan untuk hyperparameter tuning. Dan testing set digunakan untuk evaluasi model.
Apakah macro dan weighted avg adalah mean absolute error?
Mean absolute error pada dasarnya merupakan kalkulasi rata2 nilai error yang kemudian dikenakan fungsi absolut, sehingga kita selalu mendapatkan nilai positif.
Sedangkan weighted mean berarti proses kalkulasi rata2 di mana untuk setiap item nya memiliki bobot tertentu.
Bagaimana cara kita menentukan model yang sesuai dengan dataset?
trial n error
Kak, Tolong jelaskan tentang LSSVM. Terima kasih :)
Pak tolong bahas self organizing map (SOM)
Untuk materi terkait neural networks akan kami bahas dalam playlist terpisah.
Halo ka, mohon penjelasannya kenapa hasilnya 'str' object has no attribute 'reshape' ya?
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
in
5 for data in X[:8]:
6 plt.subplot(1, 8, pos)
----> 7 plt.imshow(data.reshape((28,28)),
8 cmap=cm.Greys_r)
9 plt.axis('off')
AttributeError: 'str' object has no attribute 'reshape'
Karena tipe data string tidak memiliki method reshape mas. Dalam video pembelajaran ini, pemanggilan method reshape dilakukan pada object Numpy Array.
@@belajaridn apa saya ada step yg terlewat ya? Di script video pembelajaran tdk ada step merubah ke numpy array
Kemungkinan ada step yang salah mas. Coba lakukan debugging sederhana dengan menampilkan isi Variable nya saja mas. Nanti akan kelihatan data apa yang ditampung, lalu apakah memang sudah sesuai dengan apa yang diharapkan.
di menit 16:30 terdapat eror
for data in X[:8]:
plt.subplot(1, 8, pos)
plt.imshow(data.reshape((28, 28)),
cmap=cm.Greys_r)
plt.axis('off')
pos += 1
AttributeError: 'str' object has no attribute 'reshape'
setelah dilihat di kolom komentar banyak yg mengalaminya.
ternyata pada variable X masih berupa dataframe jadi harus di ubah ke numpy array dulu, karena method reshape hanya berlaku di numpy array. apakah ini benar?
Iya benar, harus di ubah ke numpy array
import numpy as np
X = np.array(X)
y = np.array(y)
materinya bagus namun kurang penjelasan tentang visualisasi SVM
Terima kasih untuk masukannya 😊🙏
setuju, semoga segera ada penjelasan mengenai visualisasi svm
AttributeError: 'str' object has no attribute 'reshape' kenapa ya
Variable nya berisi data string itu mas dan bukan object yang memiliki method reshape seperti numpy array.
@@belajaridn padahal udh sama percis dgn yg di tutorial
Pasti ada tahapan yang keliru karena object yang kami gunakan untuk melakukan reshape adalah numpy array ☺️☕
jadi dosen kami gak usah bikin materi lagiii siuuuuuuu
ebook nya ada yang tau linknya dimana?
Untuk materi bisa diakses di Github repository berikut: github.com/boedybios
Pak itu kan yg classification report akurasi untuk testing klw mengetahui akurasi training gimana ya?
Bisa dijelaskan apa yang dimaksud dengan akurasi training?
@@belajaridn jadi saya mau menguji apakah datanya ini overfit atau tidak jd saya harus tau akurasi dr test dan train apakah balance atau malah beda jauh
Untuk kasus semacam ini berarti kita bisa menggunakan training set sebagai testing set dan diukur tingkat akurasi nya.
@@belajaridn berarti untuk evaluasi, x_test sama y_test diganti train semua ya pak?
Betul, karena yang mau dirimu ukur adalah tingkat akurasi training set terhadap training set.
Kak. Kok di saya tidak bisa ya install sklearn nya...
Scikit Learn mestinya sudah disertakan oleh Anaconda.
@@belajaridn berarti untuk install scikit learn dari python 3.10 tdk bisa ya kak?
Bisa, gunakan pip install.
@@belajaridn gak bisa kak error
Pesan error nya apa ya?
X train itu apa dan y train itu apa
Ada baiknya mengikuti video pembelajaran ini secara terurut untuk mendapat pemahaman yang lebih baik.