Pertemuan XII FUNGSI MAYOR Classification
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.
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.
Example Data Class Attribute Outlook Temperature Humidity Windy Play sunny hot high false no true overcast yes rainy mild cool normal
Example Decision Tree 1 Humidity high normal Outlook Outlook sunny rainy sunny overcast overcast rainy yes Windy no yes yes Windy true false true false no yes no yes
Example of a Decision Tree categorical continuous class Splitting Attributes Refund Yes No NO MarSt Single, Divorced Married TaxInc NO < 80K > 80K NO YES Training Data Model: Decision Tree
Algoritma Klasfikasi, CART (Classification and Regression Trees) Langkah-langkah Algoritma CART: Susunlah calon cabang (candidate split) yang dilakukan terhadap seluruh variabel prediktor. Daftar yang berisi calon cabang disebut calon cabang mutakhir. Berikan penilaian keseluruhan calon cabang mutakhir dengan menghitung besaran (s|t) Tentukan cabang yang memiliki kesesuaian (s|t). Setelah noktah kepuusan tidak ada lagi, algoritma CART dihentikan.
Kesesuaian(goodness) (s|t) dari calon cabang s pada noktah keputusan t tL = cabang kiri dari noktah keputusan t tR = calon cabang kanan dari noktah keputusan t
Data Tabungan, aset, pendapatan, dan resiko kredit Nasabah Bank Bhatara Putra Nasabah Tabungan Aset Pendapatan Resiko Kredit A Sedang Tinggi 75 Baik B Rendah 50 Buruk C 25 D E 100 F G H