Machine LearningRahmaddeni, S.Kom., M.Kom, Denok Wulandari, S.Kom., M.Kom, Masni Renova, Gilang Ramadhan, A.Md, Retno Sari Serasi Media Teknologi, 6 Mar 2024 - 84 halaman Buku ini mengulas berbagai algoritma penting seperti K-NN, Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, Linear Regression, K-Means Clustering, K-Medoid, Fuzzy C-Means, Apriori, FP-Growth, hingga konsep Feature Extraction dan Feature Selection. Kami menyajikan penjelasan yang ringkas namun komprehensif untuk memudahkan pembaca memahami setiap algoritma. Harapannya, buku ini akan menjadi panduan yang bermanfaat bagi mereka yang ingin mendalami Machine Learning |
Isi
Bagian 1 | 8 |
Bagian 2 | 14 |
Bagian 3 | 17 |
Bagian 4 | 20 |
Bagian 5 | 23 |
Bagian 6 | 27 |
Bagian 7 | 31 |
Bagian 8 | 35 |
Bagian 11 | 45 |
Bagian 12 | 50 |
Bagian 13 | 53 |
Bagian 14 | 59 |
Bagian 15 | 60 |
Bagian 16 | 66 |
Bagian 17 | 69 |
Bagian 18 | 76 |
Istilah dan frasa umum
agen akurasi Algorithm analisis data aplikasi Apriori aturan asosiasi berbagai berdasarkan Confusion Matrix Contoh Kasus Data Mining data uji dataset definisi digunakan dimensi data Extraction dengan PCA False Positive Feature Extraction Feature Selection FP-Growth Fuzzy C-Means Gambar genetika Google Hasil Klasifikasi implementasi Inisialisasi itemset jarak Jupyter K-Means Clustering K-Medoid Clustering kecerdasan buatan kelas Keunggulan dan Kelemahan kinerja kompleks komputasi konsep dasar konteks kontribusi label langkah Linier Regression Logistic Regression Machine Learning masalah medoid melibatkan memahami memberikan wawasan memiliki menangani mendalam metode mungkin Naïve Bayes nilai outlier parameter PCA Principal Component pemahaman pembaca pembelajaran mesin penerapan pengambilan keputusan performa model perkembangan pola prediksi Principal Component Analysis probabilitas Program Studi Teknik proses pusat klaster Python Q-Learning Regresi Linear Regresi Logistik reinforcement learning scikit-learn Selection dengan Wrapper signifikan STMIK Amik Riau subset fitur Support Vector Machine Tahapan Algoritma tantangan terkait terkini tingkat keanggotaan unsupervised learning variabel independen Wrapper methods

