Saya biasa menonton video data science, kali ini saya menonton video dari anak IPB. Kebetulan anak saya juga baru diterima di IPB jurusan Fisika tahun 2020 ini. Maka saya senang menontol video ini, penjelasannya mudah dan cara penyamainnya cukup menarik. Keep up the good work!
Ak izin nanya, kalau saat pembagian dataset jadi train dan test biar ga ke acak bisa ga ak ya? Misal dari 1-80 jadi train, 81-100 jadi testing. Soalnya mau dibandingin dengan perhitungan manual ak, teima kasih
Kak saya mau tanya yang data nominal atau kategorial diawal kan dihapus maka 13% nya akan hilang, kemudian di ending kok belum dijelasin maknanya apa yaa dan efeknya apa ketika tidak dihilangkan? Terima kasih kak
mantap kak penjelasannya... btw mau tanya kalo misalnya terdapat data outlier apakah missing value di data numerik tetap dganti dgn mean atau diganti dengan median ya kak?
Kalau ingin lebih jago dan mudah paham machine learning, bisa liat buku saya di sini shope.ee/2priIst7jN
Saya biasa menonton video data science, kali ini saya menonton video dari anak IPB. Kebetulan anak saya juga baru diterima di IPB jurusan Fisika tahun 2020 ini. Maka saya senang menontol video ini, penjelasannya mudah dan cara penyamainnya cukup menarik. Keep up the good work!
Terimakasih banyak kak
untuk c5.0 library di python ada nggak?
mantap mas...
Error in 1:which(out == "Decision tree:") : argument of lenght 0
Itu gimana ya pak
Ak izin nanya, kalau saat pembagian dataset jadi train dan test biar ga ke acak bisa ga ak ya? Misal dari 1-80 jadi train, 81-100 jadi testing. Soalnya mau dibandingin dengan perhitungan manual ak, teima kasih
Kak, buat tutorial penggunaan tools nya dong 😅.... kyaka RStudio, Rapidminer
penggunaannya based on cases siih
Ka buat tutorial membuat regression tree menggunakan R dong
ga mau ah,, susah haha
Kak, kalo pas running prediksi datatesting itu sintaks treenya tetap train ya kak ?
Kak tanya kak, saya masih baru ttg big data. Data yang kaggle itu data asli Kak? bisa dipake utk riset sungguhan?
Kak saya mau tanya yang data nominal atau kategorial diawal kan dihapus maka 13% nya akan hilang, kemudian di ending kok belum dijelasin maknanya apa yaa dan efeknya apa ketika tidak dihilangkan? Terima kasih kak
ga ada efeknya sih, sy bandingkan dengan punya teman yang ga dihapus, tetep akurasinya mirip
mantap kak penjelasannya... btw mau tanya kalo misalnya terdapat data outlier apakah missing value di data numerik tetap dganti dgn mean atau diganti dengan median ya kak?
pake median lebih baik
bagi script bang