Klasifikasi

Apa itu Klasifikasi? Klasifikasi adalah teknik dalam data mining yang digunakan untuk mengategorikan data ke dalam label atau kelas yang telah ditentukan. Model klasifikasi belajar dari data pelatihan dan digunakan untuk memprediksi kelas dari data yang belum terlihat.

Algoritma Klasifikasi Dasar:

Decision Trees:

• Model yang membagi data berdasarkan fitur untuk membuat keputusan. Mudah dipahami dan diinterpretasikan.
• Implementasi dengan Scikit-learn:

          from sklearn.tree import DecisionTreeClassifier
          from sklearn.model_selection import train_test_split
          from sklearn.metrics import accuracy_score

          # Memuat data
          X = data[[‘feature1’, ‘feature2’]]
          y = data[‘target’]

          # Membagi data
          X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

          # Membuat dan melatih model
          model = DecisionTreeClassifier()
          model.fit(X_train, y_train)

         # Membuat prediksi
         y_pred = model.predict(X_test)

        # Mengukur akurasi
        accuracy = accuracy_score(y_test, y_pred)
        print(f’Accuracy: {accuracy:.2f}’)

k-Nearest Neighbors (k-NN):

• Algoritma yang mengklasifikasikan data berdasarkan kedekatannya dengan titik data lain dalam ruang fitur.
• Implementasi dengan Scikit-learn:

       from sklearn.neighbors import KNeighborsClassifier
       from sklearn.model_selection import train_test_split
       from sklearn.metrics import accuracy_score

      # Memuat data
      X = data[[‘feature1’, ‘feature2’]]
      y = data[‘target’]

     # Membagi data
     X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

     # Membuat dan melatih model
     model = KNeighborsClassifier(n_neighbors=5)
     model.fit(X_train, y_train)

     # Membuat prediksi
     y_pred = model.predict(X_test)

     # Mengukur akurasi
     accuracy = accuracy_score(y_test, y_pred)
     print(f’Accuracy: {accuracy:.2f}’)