Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

FUNGSI MAYOR Classification Pertemuan XII. Dalam klasifikasi, terdapat target variabel kategori, misal penggolongan pendapatan dapat dipisahkan dalam.

Presentasi serupa


Presentasi berjudul: "FUNGSI MAYOR Classification Pertemuan XII. Dalam klasifikasi, terdapat target variabel kategori, misal penggolongan pendapatan dapat dipisahkan dalam."— Transcript presentasi:

1 FUNGSI MAYOR Classification Pertemuan XII

2 Dalam klasifikasi, terdapat target variabel kategori, misal penggolongan pendapatan dapat dipisahkan dalam beberapa kategori. Beberapa algoritma klasifikasi diantaranya adalah Mean Vector, K- Nearest Neighbour, C.45, dan Bayessian.

3 Data Historis Data historis disebut juga data latihan atau data pengalaman (trainning data), karena dari data tersebut akan didapat latihan untuk mendapatkan pengetahuan (data testing). Data historis juga disebut data lampau yang merupakan data pengalaman bagi user. Algoritma klasifikasi akan menggunakan data latihan untuk pengetahuan yang hendak dihasilkan dalam klasifikasi data mining. Data terdiri atas dua jenis, yaitu predictor variable/pemrediksi dan target variable/tujuan.

4 4 Example Data OutlookTemperatureHumidityWindyPlay sunnyhothighfalseno sunnyhothightrueno overcasthothighfalseyes rainymildhighfalseyes rainycoolnormalfalseyes rainycoolnormaltrueno overcastcoolnormaltrueyes sunnymildhighfalseno sunnycoolnormalfalseyes rainymildnormalfalseyes sunnymildnormaltrueyes overcastmildhightrueyes overcasthotnormalfalseyes rainymildhightrueno Class Attribute

5 Example Decision Tree 1 Humidity Outlook Windy no yes no yes Windy yes high normal sunny overcast rainy sunny overcast rainy no true false true false

6 Example of a Decision Tree categorical continuous class Refund MarSt TaxInc YES NO YesNo Married Single, Divorced < 80K> 80K Splitting Attributes Training Data Model: Decision Tree

7 Algoritma Klasfikasi, CART (Classification and Regression Trees) Langkah-langkah Algoritma CART: 1.Susunlah calon cabang (candidate split) yang dilakukan terhadap seluruh variabel prediktor. Daftar yang berisi calon cabang disebut calon cabang mutakhir. 2.Berikan penilaian keseluruhan calon cabang mutakhir dengan menghitung besaran  (s|t) 3.Tentukan cabang yang memiliki kesesuaian  (s|t). Setelah noktah kepuusan tidak ada lagi, algoritma CART dihentikan.

8 Kesesuaian(goodness)  (s|t) dari calon cabang s pada noktah keputusan t t L = cabang kiri dari noktah keputusan t t R = calon cabang kanan dari noktah keputusan t

9 Data Tabungan, aset, pendapatan, dan resiko kredit Nasabah Bank Bhatara Putra NasabahTabunganAsetPendapatanResiko Kredit ASedangTinggi75Baik BRendah 50Buruk CTinggiSedang25Buruk DSedang 50Baik ERendahSedang100Baik FTinggi 25Baik GRendah 25Buruk HSedang 75Baik

10


Download ppt "FUNGSI MAYOR Classification Pertemuan XII. Dalam klasifikasi, terdapat target variabel kategori, misal penggolongan pendapatan dapat dipisahkan dalam."

Presentasi serupa


Iklan oleh Google