K_DM
Youtube
Twitter
1.
Pendahuluan
2.
Pembelajaran mesin
2.1
Regresi linier
2.1.1 Metode kuadrat terkecil
2.1.2 Regresi Ridge dan Lasso
2.1.3 Pencilan dan Kekokohan
2.2
Klasifikasi linier
2.2.1 Regresi Logistik
2.2.2 Analisis Diskriminan Linier
2.3
Pohon keputusan
2.3.1 Pohon Keputusan (Klasifikasi)
2.3.2 Pohon keputusan (regresi)
2.3.3 Parameter Pohon Keputusan
2.4
Ansambel
2.4.1 Hutan Acak
2.4.2 Stacking
2.4.3 Adaboost (klasifikasi)
2.4.5 Peningkatan gradient
2.5
Pengelompokan
2.5.1 k-means
2.5.2 k-means++
2.5.3 X-means
2.6
Pengurangan Dimensi
2.6.1 PCA
2.8
Rangkaian Waktu
2.8.1 Menggunakan Prophet
3.
Prapemrosesan data
3.1
Data Numerik
3.3.1 Binning
3.3.2 BoxCox transformation
3.3.3 YeoJonson transformation
4.
Indeks penilaian
4.1
Pemilihan Model
4.2
Regresi
4.2.1 Koefisien korelasi
4.2.2 Koefisien determinasi
4.3
Klasifikasi
4.3.1 ROC-AUC
5.
Deret waktu
5.1.1
Periksa Dataset
5.1.2
Impact of the Trend
5.3
Univariat
5.5
Bentuk & Kesamaan
5.5.1 Deformación dinámica del tiempo
6.
Visualisasi
6.1
Distribusi Nilai Numerik
6.1.1 Peta Jepang
6.1.2 Tree map
6.1.3 Bagan donat
6.1.4 Diagram Sankey
6.2
Kategori & Nomor
6.2.1 Histogram
6.2.2 Plot kepadatan
6.2.3 Plot ridgeline
6.2.4 Plot biola
7.
Data Ekonomi
7.3.1 Analisis sentimen teks
7.2.1 Premi risiko negara
7.2.2 positive and negative changes
7.2.3 Radar chart
Issues
Privacy Policy
Youtube
Twitch
Twitter
Kebijakan Privasi
Jika ditemukan masalah/kesalahan
Deviant Art(AI artwork)
日本語
English
Bahasa Indonesia
Español
Darkmode
Bersihkan Riwayat
Halaman atas
>
Pembelajaran mesin
> Ansambel
Bab 4
Ansambel
COPYRIGHT (C) 2021- K_DM. ALL RIGHTS RESERVED. [
Privacy policy
]