Відео

terima kasih bnyak atas ilmu nya abng ku... terus berkembang ya bng sukses truss

bang punya saya atributnya udh integer, pas mau saya pake neural net, di operator performance nya muncul text cannot handle numerical label. kenapa ya bang

Terimakasih tutor atas materi sesi 2 kali ini

pak izin bertanya, bagaimana mengubah label yang memiliki 3 kategori {BAIK,SEDANG,TIDAK BAIK} supaya bisa menggunakan metode klasifikasi Support Vector Machine

hallo pak mau nanya jika tidak di bagi data testing dan data trainning jadi sehabis data bersih langsung cross validation apakah di perbolehkan?

mantap kak, lgs subscribe.. oh ya kak tanya dong kalau geser layar bergantian antara power point dan rapidminer spt di menit 3.44 sd 3.50 itu caranya bagaimana ya ?

Pak jika ingin mengetahui di masa yang akan datang bagaimana pak?terimakasih

Hallo pak, saya mempunyai pertanyaan yang berkaitan dengan materi ini. Boleh minta emailnya? 🙏

Makasih ilmunya pak

Thank you... Very good explanation :)

Pak, boleh share pptnya?

pak cara munculin f1 score gimana ya?

keren pak😁, pembahasannya mudah dimengerti

Terima kasih pak, salam dari PNJ

Izin bertanya, Pak. Untuk mendapatkan rule yang ada di pohon keputusannya bagaimana ya, Pak? Dan untuk menghitung data testing di rapidminernya bagaimana ya, Pak? Karena di bagian hasil hanya data training saja. Terimakasih sebelumnya🙏

izin bertanya pak, apakah setiap kita melakukan cross validation tidak perlu lagi split data ya? atau tetap perlu ?

🙏🙏🙏🙏

jelas banget ngejelasinnya walaupun agak kecepetan dikit.

Numpang tanya bang. bar "Parameter" saya di rapidminer kan gak sengaja saya klik tanda silang, dan akhirnya bar tersebut hilang. Nah, kira2 gimana ya pak untuk munculinnya lagi? Terima kasih

14.00

kereenn bgt tutorialnya kak,, sangat bermanfaat

terimakasih pak penjelasannya sangat bagus. izin bertanya pak bagaimana flowchart atau diagram alir antara cross validation dengan model klasifikasi? terimakasih pak

pagi pak farrikh saya izin bertanya bagaimana cara input kan range seperti jika <4.00 maka labelnya iris setosa cara masukin ke dalam rapid minernya atau di set di datasetnya dulu?

Bang cara munculkan parameternya gimana ya,soalnya rapid miner saya layar parameternya gk ada

Pak izin bertanya, untuk densitas Gauss itu knapa saya cari gk dapat2 hasilnya 0,0072 ya pak, mohon di jawab pak🙏🏻

Bang mau tanya, pada tahap (6) diconditional fp-tree kalau minumum supportnya berupa persentase (%) itu bagaimana hitung nya bang??

pak boleh minta pptnya?

Kak, batas jumlah fold itu berapa?

Pak saya mau nanya kalo akurasi 100% itu ada yang salah atau tidak pak , dan juga pohon keputusan 1 cabang itu salah tidak pak?

Bang, kalo datanya sebanyak 400 data itu cocok gk pake metode knn?

Kalau ada ada yg missing value bagaimana pak cara menyelesaikannya? Apakah di isi 0 saya atau ada proses tertentu? dan bagaimana caranya?

tadi di awal disebutkan utk SVM tidak bisa data polynominal, tetapi utk atribut 9 malah diubah dari numerical to polynominal. Itu gimana ya kak? Dan di awal akurasi kan 16,48 (training) dan 16,53 (testing) disebut appropriate fitting, namun pada model akhir setelah parameter grid, diperoleh akurasi 26,02 (training) dan 25,73 (testing) tapi dikatakan menurun. Mksdnya menurun dari training ke testing? atau menurun dari model awal (kan harusnya meningkat?)

Izin bertanya pak jika hasil perhitungan gain hasilnya -0,00..... Itu hasilnya diperbolehkan atau tidak ya pak. Mohon di jawab. Terimakasih

Kak itu art1 nya kok saya gada

Tuk data abalone bisa di sharing kak. Tuk bahan latihan. 🙏

sangat membantu

Saya boleh minta pptny pak? Terimakasih

Pak tanya dong. cara geser layar ke kiri ke kanan bgmn ya caranya? Sukses selalu

Mohon izin bertanya pak, penjelasan terkait penggunaan beberapa criterion itu di mana dapatkan nya? Lalu pruning dan pre pruning fungsinya untuk apa nggih? Terima kasih

Terimakasih atas ilmunya Bu🙏

Mantap gan👍, ada salam dari pak amat

Terimakasih bu atas ilmunya

Terimakasih atas ilmunya Bu

Terimakasih bu ilmunya👍

Terganggu suara burung

terima kasih ilmunya