editing for paths

pull/129/head
Jen Looper 4 years ago committed by GitHub
parent 163f301675
commit b7936697a4
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23

@ -1,6 +1,6 @@
# Bangun sebuah model regresi dengan Scikit-learn: regresi dua arah # 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) > Infografik oleh [Dasani Madipalli](https://twitter.com/dasani_decoded)
## [Kuis pra-ceramah](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/13/) ## [Kuis pra-ceramah](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/13/)
### Pembukaan ### 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`. > `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) > 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. > 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) > 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() 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: 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: This code creates a heatmap:
Kode ini membuat sebuah peta panas 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. 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: 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. 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 ## Tugas
[Buatlah sebuah model](assignment.md) [Buatlah sebuah model](../assignment.md)

Loading…
Cancel
Save