From 6277656dcf151ca8e51854def5cbba645e5ae658 Mon Sep 17 00:00:00 2001 From: Jen Looper Date: Fri, 9 Jul 2021 10:23:32 -0400 Subject: [PATCH] editing for paths --- 2-Regression/3-Linear/translations/README.id.md | 14 +++++++------- 1 file changed, 7 insertions(+), 7 deletions(-) diff --git a/2-Regression/3-Linear/translations/README.id.md b/2-Regression/3-Linear/translations/README.id.md index 548d2030a..f2ae6b7cf 100644 --- a/2-Regression/3-Linear/translations/README.id.md +++ b/2-Regression/3-Linear/translations/README.id.md @@ -1,6 +1,6 @@ # Bangun sebuah model regresi dengan Scikit-learn: regresi dua arah -![Infografik regresi linear vs polinomial](./images/linear-polynomial.png) +![Infografik regresi linear vs polinomial](../images/linear-polynomial.png) > Infografik oleh [Dasani Madipalli](https://twitter.com/dasani_decoded) ## [Kuis pra-ceramah](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/13/) ### Pembukaan @@ -49,13 +49,13 @@ Kita melakukan itu sebab kita ingin memodelkan sebuah garis yang jarak kumulatif > > `X` adalah 'variabel penerang'. `Y` adalah 'variabel dependen'. Gradien garisnya adalah `b`, dan `a` adalah titik potong sumbu y yaitu nilai `Y` saat `X = 0`. > ->![hitunglah gradiennya](images/slope.png) +>![hitunglah gradiennya](../images/slope.png) > > Pertama, hitunglah gradien `b`. Infografik oleh [Jen Looper](https://twitter.com/jenlooper) > > Dalam kata lain, dan berhubungan pula dengan pertanyaan awal data labu kita "prediksikan harga satu bushel labu setiap bulan", `X` merujuk pada harganya, sedangkan `Y` akan merujuk pada bulan penjualan. > ->![lengkapilah persamaan ini](images/calculation.png) +>![lengkapilah persamaan ini](../images/calculation.png) > > Hitunglah nilai Y. Kalau harganya $4, artinya pasti April! Infografik oleh [Jen Looper](https://twitter.com/jenlooper) > @@ -182,7 +182,7 @@ lin_pumpkins plt.show() ``` - ![Sebuah petak sebar yang menunjukkan hubungan antara paket dan harga](./images/linear.png) + ![Sebuah petak sebar yang menunjukkan hubungan antara paket dan harga](../images/linear.png) 3. Ujilah modelnya dengan sebuah jenis labu hipotetis: @@ -231,7 +231,7 @@ Sebuah cara bagus untuk memvisualisasi korelasi-korelasi antara data dalam *data ``` This code creates a heatmap: Kode ini membuat sebuah peta panas - ![Sebuah peta panas yang menunjukkan korelasi data](./images/heatmap.png) + ![Sebuah peta panas yang menunjukkan korelasi data](../images/heatmap.png) Melihat peta ini, kamu bisa memvisualisasikan korelasi yang baik antara Package dan Price. Jadi kamu seharusnya bisa membuat sebuah model yang lebih baik daripada yang sebelumnya. @@ -281,7 +281,7 @@ Tambahlah kode ini: Kamu membuat sebuah *dataframe* baru dengan fungsi `pd.DataFrame`. Lalu kamu mengurutkan isinya dengan fungsi `sort_values()`. Akhirnya kamu membuat sebuah bagan polinomial: -![Sebuah bagan polinomial yang menunjukkan hubungan antara paket dan harga](./images/polynomial.png) +![Sebuah bagan polinomial yang menunjukkan hubungan antara paket dan harga](../images/polynomial.png) Kamu bisa melihat garis lengkungnya yang lebih cocok terhadap datamu. @@ -332,4 +332,4 @@ Dalam pelajaran ini kita belajar tentang regresi linear. Ada banyak jenis regres ## Tugas -[Buatlah sebuah model](assignment.md) \ No newline at end of file +[Buatlah sebuah model](../assignment.md)