NEW
Font size
WorksheetsQuiz FDA
Total questions: 20
Worksheet time: 15mins
Algoritma dilatih pada dataset yang berisi input dan output yang sesuai. Tujuan algoritma adalah mempelajari hubungan antara input dan output untuk dapat memprediksi output dari input baru merupakan pengertian dari
Supervised Learning
Unsupervised Learning
Semi-supervised Learning
Reinforcement Learning
Menganalisis dan menafsirkan data kompleks, mengoptimalkan penggunaan machine learning, dan mengolah Big Data merupakan tugas dari ?
Data Analyst
Data Scientist
Data mining
Data Warehouse
Validation error tinggi, training error rendah adalah pengertian dari
Good fit
Underfitting
Unknown fit
Overfitting
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) , maksud dari codingan diatas adalah
20% data digunakan sebagai data latih 80% data digunakan sebagai data uji
20% data digunakan sebagai data uji, 80% data digunakan sebagai data latih
20% data digunakan untuk validasi model dan 80% data dibuang dari proses analisis.
Seluruh data (100%) digunakan untuk proses pelatihan tanpa data uji.
Berikut ini merupakan tahapan yang umum dilakukan dalam data preprocessing, kecuali …
Standarisasi / Normalisasi
Menambah outliers
Encoding kategori
Penanganan nilai yang hilang
Hasil preprosessing gambar berikut adalah...
One-Hot Encoding
Label Encoding
Data Encoding
Analisa Encoding
Berikut ini yang bukan Algoritma klasifikasi yang umum digunakan adalah..
Decision Tree
Random Forest
Apriori
Support Vector Machine (SVM)
Rata-rata dari kuadrat selisih antara nilai aktual dan nilai prediksi, disebut
R²
MAPE
RMSE
MSE
teknik dalam data mining yang digunakan untuk mengelompokkan sekumpulan objek dalam satu kelompok (cluster) yang memiliki kemiripan satu sama lain
Clustering
Classification
Regression
Association Rule Mining
Manipulasi data dalam bentuk array dideskripsikan dengan perintah coding..
import seaborn as sns
import datetime
import pandas as pd
import numpy as np
langkah penting dalam preprocessing data yang membantu meningkatkan kinerja algoritma pembelajaran mesin dengan memastikan bahwa semua fitur berada dalam skala yang konsisten
Penanganan nilai yang Hilang
Encoding Kategori
Standarisasi/Normalisasi
Penanganan Outliers
Hasil pada gambar berikut, merupakan hasil?
Normalisasi
One-Hot Encoding
Label Encoding
Penanganan Outlier
print(data.isnull().values.any()), coding berikut merupakan perintah..
Mengisi Nilai yang Hlang Missing Values
Memilih Fitur (Feature) dan Target
untuk mengetahui nilai nilai uniqe hasil diskrit
Memeriksa apakah ada nilai dalam dataset yang "kosong" atau "NaN"
Gambar berikut merupakan ?
Kurva ROC
Confusion Matrix
Metrik Evaluasi
Mengukur persentase jumlah prediksi yang benar dari total prediksi, adalah pengertian dari..
Accuracy
Recall
Precision
F1-Score
Proporsi prediksi positif yang benar dari total prediksi positif. Precision mengukur akurasi prediksi positif model, merupakan pengertian dari..
Accuracy
Recall
Precision
F1-Score
proporsi prediksi positif yang benar dari total kasus positif aktual. Recall mengukur seberapa baik model menemukansemuacontoh positif, pengertian dari
Accuracy
Recall
Precision
F1-Score
Menunjukkan jumlah prediksi benar dan salah untuk setiap kelas dan digunakan untuk mengevaluasi kinerja algoritma klasifikasi, adalah fungsi dari
Macro Average dan Weighted Average
Summary Accuracy
Classification Report
Confusion Matrix
Panah berwarna merah menjelaskan
Atribut/Feature
Class/Label
Nominal
Numerik
Panah berwarna Biru menjelaskan
Atribut/Feature
Class/Label
Nominal
Numerik
