Fungsi diskriminan linear, klasifikasi diskret dan regresi

Slides:



Advertisements
Presentasi serupa
Outlier Pada Analisis Regresi
Advertisements

Riset Operasional Pertemuan 4 & 5
MULTIVARIATE ANALYSIS
Bab 11 Pendugaan dan Pengujian Hipotesis Regresi Linier Sederhana
Regresi dengan Pencilan
Bab 17 Estimasi Melalui Pensampelan Matriks Estimasi Melalui.
KORELASI DAN REGRESI LINEAR SEDERHANA
Support Vector Machine (SVM)
Konsep dasar Algoritma Contoh Problem
Persamaan Garis Pada Bidang Pertemuan 09
BAB VI REGRESI SEDERHANA.
Analisis Diskriminan dan Regresi Logistik merupakan tehnik statistik
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
MUHAMMAD HAJARUL ASWAD
Jarringan Syaraf Tiruan
Pertemuan 10 INVERS MATRIK.
1 Pertemuan 7 Estimable parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
BAB VIII REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NON LINEAR
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Regresi & Korelasi Linier Sederhana
MODUL 15 ANALISIS DISKRIMINAN indeopendennya) ANALISIS DATA Pengantar:
TAKSIRAN NILAI PARAMETER
REGRESI LINEAR.
Teori Portofolio.
ANALISIS REGRESI SEDERHANA
ANALISIS REGRESI DAN KORELASI
Aplikasi Terapan – Aljabar Linier
STATISTIKA Pertemuan 10: Analisis Regresi dan Korelasi
Pertemuan ke 14.
KINEMATIKA DAN DINAMIKA TEKNIK (3 SKS)
ANALISIS REGRESI MENGGUNAKAN SPSS
Pertemuan ke 14.
ALJABAR LINEAR Himpunan Bebas Linear, Bergantung Linear
Regresi Linier (Linear Regression)
Regresi Linier Sederhana
REGRESI LOGISTIK BINER
Inferensi Dua Nilaitengah Ganda (IV)
Pengertian Regresi Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap variabel tidak bebas. Dengan maksud untuk meramalkan.
ANALISIS KORELASI.
Regresi Linear Data Mining Suprayogi.
INFERENSI VEKTOR MEAN 1 Statistik Hotelling’s 2
MUHAMMAD HAJARUL ASWAD
DASAR ANALISIS MULTIVARIATE.
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
SOAL RUANG VEKTOR BUDI DARMA SETIAWAN.
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Single and Multiple Regression
EKONOMETRIKA Ide-ide Dasar Analisis Regresi Sederhana
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
Soal Latihan Pertemuan 13
REGRESI LINEAR oleh: Asep, Iyos, Wati
Pencocokan Kurva / Curve Fitting
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
Bab 11 Pendugaan dan Pengujian Hipotesis Regresi Linier Sederhana
MULTIVARIATE ANALYSIS
Analisis Regresi dan Korelasi Linear
EKONOMETRIKA Pertemuan 3: Ide-ide Dasar Analisis Regresi Sederhana
REGRESI LINEAR.
Single and Multiple Regression
ANALISIS REGRESI Sri Mulyati.
ANALISIS REGRESI & KORELASI
KLASIFIKASI.
Pembelajaran terbimbing dengan pendekatan parametriks dan nonparametriks Kuliah 3.
Single and Multiple Regression
ALJABAR MATRIKS pertemuan 5 (Quiz’s Day) Oleh : L1153 Halim Agung,S
Model Linier untuk data kontinyu (lanjut)
BAB VIII REGRESI &KORELASI BERGANDA
ANALISIS REGRESI SEDERHANA
ANALISIS REGRESI SEDERHANA
Multivariate Analysis
Transcript presentasi:

Fungsi diskriminan linear, klasifikasi diskret dan regresi Kuliah 4

Fungsi diskriminan linear Bentuk-bentuk yang tepat untuk fungsi diskriminan diketahui Menggunakan sampel-sampel untuk mengestimasi nilai-nilai parameter dari pengeklasifikasi Sederhana, tidak optimal Fungsi-fungsi linier

Kombinasi Linear dari komponen kasus dua kategori

Bidang Keputusan

Kombinasi Linear dari komponen kasus multi kategori

Mesin Linear

Mesin Linear Daerah keputusan untuk mesin linear adalah konveks Batasan fleksibilitas dan akurasi Setiap daerah keputusan terhubungkan satu s Lebih sesuai untuk p(x|wi) unimodal

Fungsi diskriminan linear dan quadratic

Contoh 1

Kasus pemisahan secara linear 2 kategori Sejumlah n sample: y1, . . ., yn Label: w1, w2 Untuk menentukan fungsi diskriminan linear g(x)=aty Dapat dipisahkan secara linear vektor bobot yang mengklasifikasikan semua sampel secara benar Normalisasi Pemisahan vektor

Bobot dan daerah penyelesaian

Pengaruh Batas

Contoh 2

Contoh 2

Hubungan Fisher’s Linear Discriminant

Hubungan Fisher’s Linear Discriminant

Regresi: Contoh : Diketahui data (x,y) sbb:

Hipotesis linier Angap y adalah f(x) linier: hw(x) merupakan hasil prediksi terbaik dari y Untuk penyederhanaan notasi selalu ditambahkan bias x0=1,

Data dalam bentuk matriks

Maka diperoleh persamaan garis