|
|
|
@ -0,0 +1,335 @@
|
|
|
|
|
|
|
|
# Bangun sebuah model regresi dengan Scikit-learn: regresi dua arah
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> Infografik oleh [Dasani Madipalli](https://twitter.com/dasani_decoded)
|
|
|
|
|
|
|
|
## [Kuis pra-ceramah](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/13/)
|
|
|
|
|
|
|
|
### Pembukaan
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Selama ini kamu telah menjelajahi apa regresi itu dengan data contoh yang dikumpulkan dari *dataset* harga labu yang kita akan gunakan terus sepanjang pelajaran ini. Kamu juga telah memvisualisasikannya dengan Matplotlib.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sekarang kamu sudah siap terjun ke dalam regresi untuk ML. Dalam pelajaran ini, kamu akan belajar lebih tentang dua jenis regresi: _regresi linear sederhana_ dan _regresi polinomial_ serta sedikit matematika yang mendasari kedua teknik ini.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> Sepanjang kurikulum ini, kami mengasumsi kamu punya pengetahuan matematika yang minim dan ingin tetap membuat pelajaran ini terjangkau bagi murid-murid dari bidang-bidang lain. Jadi perhatikan catatan, 🧮 info, diagram, dan alat-alat belajar lainnya untuk membantu pemahaman.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### Prasyarat
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kamu harusnya sudah terbiasa sekarang dengan struktur data labu yang kita sedang teliti. Datanya harusnya sudah dimuat dan dibersihkan dalam file _notebook.ipynb_ pelajaran ini. Dalam file ini, harga labu ditampilkan per bushel dalam *dataframe* yang bari. Pastikan kamu bisa menjalankan *notebook-notebook* ini di *kernels* di Visual Studio Code.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### Persiapan
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ingat, kamu sedang memuat data ini untuk menanyakan pertanyaan darinya.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- Kapankah waktu terbaik untuk membeli labu?
|
|
|
|
|
|
|
|
- Saya kira-kira harus bayar berapa untuk satu kotak labu mini?
|
|
|
|
|
|
|
|
- Apa saya sebaiknya membelinya dalam keranjang-keranjang setengah bushel atau kardus-kardus 1 1/9 bushel?
|
|
|
|
|
|
|
|
Ayo terjun lebih lagi ke dalam data ini.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dalam pelajaran sebelumnya, kamu membuat sebuah *dataframe* Pandas, mengisinya dengan sebagian *dataset* orisinal, dan menstandarisasi harganya per bushel. Tetapi, dengan begitu, kamu hanya dapat mengumpul sekitar 400 titik data dan itupun hanya untuk bulan-bulan musim gugur.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Lihatlah data yang kita sudah muat dalam *notebook* yang terlampir pelajaran ini. Data telah di muat dan sebuah petak sebar inisial telah digambar untuk menunjukkan data per bulan. Mungkin kita bisa dapat lebih banyak detail tentang sifat datanya dengan membersih-bersihkannya lebih lagi.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Sebuah garis regresi linear
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Seperti yang kamu telah belajar dalam Pelajaran 1, tujuan sebuah latihan regresi linear adalah untuk dapat menggambar sebuah garis untuk:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- **Menunjukkan hubungan antar-variabel**. Menunjukkan hubungan antara variabel-variabel.
|
|
|
|
|
|
|
|
- **Membuat prediksi**. Membuat prediksi akurat tentang di mana sebuah titik data baru akan terletak berhubungan dengan garis tersebut.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dalam kasus **Regresi Kuadrat Terkecil (_Least-Squares Regression_)**, biasanya garis seperti ini digambar. Istilah 'kuadrat terkecil' berarti semua titik data yang mengitari garis regresi dikuadratkan dan dijumlahkan. Secara ideal, harusnya jumlah akhirnya sekecil mungkin, karena kita ingin kesalahan (error) terkecil, alias `kuadrat terkecil`.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kita melakukan itu sebab kita ingin memodelkan sebuah garis yang jarak kumulatifnya dari semua titik data itu sekecil mungkin. Kita juga mengkuadratkan setiap suku sebelum dijumlahkan karena kita fokus pada besarannya daripada arahnya.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> **🧮 Tunjukkan matematikanya kepadaku**
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> Garis ini, dipanggil _garis yang paling cocok_, dapat diekspresikan dalam [sebuah persamaan](https://en.wikipedia.org/wiki/Simple_linear_regression):
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> ```
|
|
|
|
|
|
|
|
> Y = a + bX
|
|
|
|
|
|
|
|
> ```
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> `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`.
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> 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.
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> Hitunglah nilai Y. Kalau harganya $4, artinya pasti April! Infografik oleh [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> Matematika yang mengkalkulasi garis ini harus mendemonstrasikan gradien garisnya yang juga tergantung pada titik potongnya pada sumbu y, alias apa `Y`-nya saat `X = 0`.
|
|
|
|
|
|
|
|
>
|
|
|
|
|
|
|
|
> Kamu bisa melihat metode menghitung nilai-nilai ini di situs internet [*Math is Fun* (Matematika Itu Menyenangkan)](https://www.mathsisfun.com/data/least-squares-regression.html). Kunjungi [kalkulator kuadrat terkecil ini](https://www.mathsisfun.com/data/least-squares-calculator.html) juga untuk melihat bagaimana nomor-nomor ini mengubah garisnya.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Korelasi
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Satu lagi yang harus dipahami adalah **Koefisien Korelasi** antara variabel X dan Y yang tersedia. Menggunakan sebuah petak sebar, kamu bisa memvisualisasi korelasi ini dengan cepat. Sebuah grafik dengan titik-titik data yang tersebar rapi seperti sebuah garis mempunyai korelasi yang tinggi. Namun, sebuah grafik dengan titik-titik data yang tersebar di mana-mana antara X dan Y mempunyai korelasi yang rendah.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sebuah model regresi linear yang bagus akan mempunyai Koefisien Korelasi yang tinggi (lebih dekat ke 1 daripada ke 0) menggunakan metode Regresi Kuadrat Terkecil dengan sebuah garis regresi.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
✅ Jalankan *notebook* yang terlampir dalam pelajaran ini dan lihatlah petak sebar City (Kota) ke Price (Harga). Apa data yang menghubungkan City ke Price untuk penjualan labu mempunyai korelasi yang tinggi atau rendah kelihatannya?
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Siapkan datamu untuk regresi
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sekarang dengan pemahamanmu mengenai matematika di balik latihan ini, buatlah sebuah model regresi untuk melihat apa kamu bisa memprediksi paket labu yang mana yang harganya paling baik. Seorang pembeli labu akan ingin mengetahui informasi ini untuk mengoptimasi pembelian labu mereka.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Karena kamu akan menggunakan Scikit-learn, tidak usah mengerjakan ini dengan tangan (walaupun bisa sih!). Dalam blok memrosesan data utama *notebook*-mu untuk pelajaran ini, tambahlah sebuah *library* dari Scikit-learn untuk mengkonversi semua data *string* menjadi nomor secara otomatis:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
from sklearn.preprocessing import LabelEncoder
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
new_pumpkins.iloc[:, 0:-1] = new_pumpkins.iloc[:, 0:-1].apply(LabelEncoder().fit_transform)
|
|
|
|
|
|
|
|
new_pumpkins.iloc[:, 0:-1] = new_pumpkins.iloc[:, 0:-1].apply(LabelEncoder().fit_transform)
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kalau kamu sekarang simak *dataframe* new_punkins, kamu akan lihat bahwa semua *string* sudah dijadikan nomor. Ini lebih susah untuk kita baca, tetapi jauh lebih mudah untuk Scikit-learn!
|
|
|
|
|
|
|
|
Sekarang kamu bisa membuat lebih banyak keputusan berakal (tidak hanya tebak-tebak dari petak sebarnya) tentang data yang paling cocok untuk regresi.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Coba cari sebuah korelasi bagus antara dua titik data yang berpotensi untuk membangun sebuah model prediksi yang baik. Ternyata, hanya ada korelasi yang lemah antara City dan Price:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
print(new_pumpkins['City'].corr(new_pumpkins['Price']))
|
|
|
|
|
|
|
|
0.32363971816089226
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Meskipun begitu, ada korelasi yang sedikit lebih baik antara Package (Paket) dan Price (Harga). Masuk akal juga kan? Biasanya, lebih besar kardusnya, lebih mahal harganya.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
print(new_pumpkins['Package'].corr(new_pumpkins['Price']))
|
|
|
|
|
|
|
|
0.6061712937226021
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sebuah pertanyaan bagus untuk ditanyakan dari data ini adalah "Kira-kira harga sebuah paket labu berapa?"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Mari membangun sebuah model regresi
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Membangun sebuah model linear
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sebelum membangun modelmu, rapikanlah datamu sekali lagi. Buanglah sebuah data nil (null) dan periksalah sekali lagi datanya kelihatannya seperti apa.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
new_pumpkins.dropna(inplace=True)
|
|
|
|
|
|
|
|
new_pumpkins.info()
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Lalu, buatlah sebuah *dataframe* baru dari set minimal ini dan *print*:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
new_columns = ['Package', 'Price']
|
|
|
|
|
|
|
|
lin_pumpkins = new_pumpkins.drop([c for c in new_pumpkins.columns if c not in new_columns], axis='columns')
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
lin_pumpkins
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```output
|
|
|
|
|
|
|
|
Package Price
|
|
|
|
|
|
|
|
70 0 13.636364
|
|
|
|
|
|
|
|
71 0 16.363636
|
|
|
|
|
|
|
|
72 0 16.363636
|
|
|
|
|
|
|
|
73 0 15.454545
|
|
|
|
|
|
|
|
74 0 13.636364
|
|
|
|
|
|
|
|
... ... ...
|
|
|
|
|
|
|
|
1738 2 30.000000
|
|
|
|
|
|
|
|
1739 2 28.750000
|
|
|
|
|
|
|
|
1740 2 25.750000
|
|
|
|
|
|
|
|
1741 2 24.000000
|
|
|
|
|
|
|
|
1742 2 24.000000
|
|
|
|
|
|
|
|
415 rows × 2 columns
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Sekarang kamu bisa menetapkan data koordinat X dan y-mu:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
X = lin_pumpkins.values[:, :1]
|
|
|
|
|
|
|
|
y = lin_pumpkins.values[:, 1:2]
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
✅ Apa yang sedang terjadi di sini? Kamu sedang menggunakan [notasi perpotongan Python (*Python slice notation*)](https://stackoverflow.com/questions/509211/understanding-slice-notation/509295#509295) untuk membuat dua *array* untuk mengisi `X` dan `y`.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Selanjutnya, mulailah rutin pembangunan model:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
from sklearn.linear_model import LinearRegression
|
|
|
|
|
|
|
|
from sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error
|
|
|
|
|
|
|
|
from sklearn.model_selection import train_test_split
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
|
|
|
|
|
|
|
|
lin_reg = LinearRegression()
|
|
|
|
|
|
|
|
lin_reg.fit(X_train,y_train)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
pred = lin_reg.predict(X_test)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
accuracy_score = lin_reg.score(X_train,y_train)
|
|
|
|
|
|
|
|
print('Model Accuracy: ', accuracy_score)
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Karena korelasinya tidak begitu baik, model yang didapatkan tidak terlalu akurat.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```output
|
|
|
|
|
|
|
|
Model Accuracy: 0.3315342327998987
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Kamu bisa memvisualisasi garis yang digambarkan dalam proses ini:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
plt.scatter(X_test, y_test, color='black')
|
|
|
|
|
|
|
|
plt.plot(X_test, pred, color='blue', linewidth=3)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
plt.xlabel('Package')
|
|
|
|
|
|
|
|
plt.ylabel('Price')
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
plt.show()
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. Ujilah modelnya dengan sebuah jenis labu hipotetis:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
lin_reg.predict( np.array([ [2.75] ]) )
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Harga yang dihasilkan untuk jenis labu mitologis ini adalah:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```output
|
|
|
|
|
|
|
|
array([[33.15655975]])
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nomor itu masuk akal jikalau logika garis regresinya benar.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
🎃 Selamat, kamu baru saja membuat sebuah model yang bisa membantu memprediksi harga beberapa jenis labu. Namun, kamu masih bisa membuatnya lebih baik!
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Regresi polinomial
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Jenis lain regresi linear adalah regresi polinomial. Walaupun kadangkali ada hubungan linear antara variabel-variabel — lebih besar volume labunya, lebih tinggi harganya — kadangkali hubungan-hubungan ini tidak bisa digambarkan sebagai sebuah bidang atau garis lurus.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
✅ Ini ada [beberapa contoh data lain](https://online.stat.psu.edu/stat501/lesson/9/9.8) yang bisa menggunakan regresi polinomial
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tengok kembali hubungan antara Variety (Jenis) dan Price (Harga) dalam grafik sebelumnya. Apa petak sebar ini terlihat seperti harus dianalisis dengan sebuah garis lurus? Mungkin tidak. Kali ini, kamu bisa mencoba regresi polinomial.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
✅ Polinomial adalah sebuah pernyataan matematika yang mempunyai satu atau lebih variabel dan koefisien disusun menjadi suku-suku.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Regresi polinomial menghasilkan sebuah garis lengkung supaya lebih cocok dengan data non-linear.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Mari kita membuat sebuah *dataframe* yang diisi sebuah segmen dari data orisinal labu:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
new_columns = ['Variety', 'Package', 'City', 'Month', 'Price']
|
|
|
|
|
|
|
|
poly_pumpkins = new_pumpkins.drop([c for c in new_pumpkins.columns if c not in new_columns], axis='columns')
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
poly_pumpkins
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sebuah cara bagus untuk memvisualisasi korelasi-korelasi antara data dalam *dataframe-dataframe* adalah untuk menampilkannya dalam sebuah peta '*coolwarm*' (panas-dingin):
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Gunakan fungsi `Background_gradient()` dengan `coolwarm` sebagai argumennya:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
corr = poly_pumpkins.corr()
|
|
|
|
|
|
|
|
corr.style.background_gradient(cmap='coolwarm')
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
This code creates a heatmap:
|
|
|
|
|
|
|
|
Kode ini membuat sebuah peta panas
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### Buatlah sebuah *pipeline*
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Scikit-learn mempunyai sebuah API yang berguna untuk membangun model regresi polinomial — [API](https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.make_pipeline.html?highlight=pipeline#sklearn.pipeline.make_pipeline) `make_pipeline`. Sebuah '*pipeline*' adalah sebuah rantai penaksir. Dalam kasus ini, *pipeline* ini mempunyai fitur-fitur polinomial, atau prediksi-prediksi yang membuat garis non-linear.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Bangunlah kolom X dan y:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
X=poly_pumpkins.iloc[:,3:4].values
|
|
|
|
|
|
|
|
y=poly_pumpkins.iloc[:,4:5].values
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Buatlah *pipeline*-nya dengan fungsi `make_pipeline()`:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
from sklearn.preprocessing import PolynomialFeatures
|
|
|
|
|
|
|
|
from sklearn.pipeline import make_pipeline
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
pipeline = make_pipeline(PolynomialFeatures(4), LinearRegression())
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
pipeline.fit(np.array(X_train), y_train)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y_pred=pipeline.predict(X_test)
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### Buatlah sebuah barisan
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Di sini, kamu harus membuat sebuah *dataframe* baru dengan data yang _berurutan_ supaya *pipeline*-nya bisa membuat sebuah barisan.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tambahlah kode ini:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
df = pd.DataFrame({'x': X_test[:,0], 'y': y_pred[:,0]})
|
|
|
|
|
|
|
|
df.sort_values(by='x',inplace = True)
|
|
|
|
|
|
|
|
points = pd.DataFrame(df).to_numpy()
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
plt.plot(points[:, 0], points[:, 1],color="blue", linewidth=3)
|
|
|
|
|
|
|
|
plt.xlabel('Package')
|
|
|
|
|
|
|
|
plt.ylabel('Price')
|
|
|
|
|
|
|
|
plt.scatter(X,y, color="black")
|
|
|
|
|
|
|
|
plt.show()
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kamu membuat sebuah *dataframe* baru dengan fungsi `pd.DataFrame`. Lalu kamu mengurutkan isinya dengan fungsi `sort_values()`. Akhirnya kamu membuat sebuah bagan polinomial:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kamu bisa melihat garis lengkungnya yang lebih cocok terhadap datamu.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ayo periksa akurasi modelnya:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
accuracy_score = pipeline.score(X_train,y_train)
|
|
|
|
|
|
|
|
print('Model Accuracy: ', accuracy_score)
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nah!
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```output
|
|
|
|
|
|
|
|
Model Accuracy: 0.8537946517073784
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Itu bagus! Coba memprediksi harga:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### Buatlah sebuah prediksi
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Apa kita bisa memberi input dan dapat sebuah prediksi?
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pakai fungsi `predict()` untuk membuat prediksi:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
pipeline.predict( np.array([ [2.75] ]) )
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
Kamu diberi prediksi ini:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
```output
|
|
|
|
|
|
|
|
array([[46.34509342]])
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Itu sangat masuk akal dengan bagan sebelumnya! Selain itu, jika ini model lebih baik daripada yang sebelumnya dengan data ini, kamu bisa siap untuk labu-labu yang lebih mahal ini!
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
🏆 Mantap sekali! Kamu membuat dua model regresi dalam satu pelajaran. Dalam bagian terakhir mengenai regresi, kamu akan belajar tentang regresi logistik untuk pengkategorisasian.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
## 🚀 Tantangan
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Coba-cobalah variabel-variabel yang lain di *notebook* ini untuk melihat bagaimana korelasi berhubungan dengan akurasi model.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## [Kuis pasca-ceramah](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/14/)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Review & Pembelajaran Mandiri
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dalam pelajaran ini kita belajar tentang regresi linear. Ada banyak jenis regresi lain yang penting pula. Bacalah tentang teknik *Stepwise*, *Ridge*, *Lasso*, dan *Elasticnet*. [Kursus Pembelajaran Statistik Stanford](https://online.stanford.edu/courses/sohs-ystatslearning-statistical-learning) juga baik untuk belajar lebih lanjut.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Tugas
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
[Buatlah sebuah model](assignment.md)
|
iBlueDust
4 years ago