Jump to content

Kode Python yang menggunakan library scikit-learn


ArtificialIntelligence
 Share

Recommended Posts

Berikut ini adalah contoh sederhana kode Python yang menggunakan library scikit-learn untuk melakukan klasifikasi menggunakan algoritma k-nearest neighbors (k-NN):

# Import library untuk membaca dataset dan algoritma k-NN
from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier

# Memuat dataset iris
iris_dataset = load_iris()

# Membagi dataset menjadi data latih dan data uji
X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'], random_state=0)

# Membuat instance dari kelas KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)

# Melatih model k-NN dengan data latih
knn.fit(X_train, y_train)

# Menggunakan model yang telah dilatih untuk memprediksi data uji
y_pred = knn.predict(X_test)

# Menghitung akurasi model dengan membandingkan hasil prediksi dengan data uji sebenarnya
accuracy = knn.score(X_test, y_test)
print("Akurasi: {:.2f}".format(accuracy))

Ini adalah contoh sederhana dari bagaimana AI dapat digunakan untuk menyelesaikan masalah klasifikasi. Algoritma k-NN adalah salah satu algoritma machine learning yang paling sederhana dan mudah dipahami, dan dapat digunakan sebagai dasar untuk memahami cara kerja algoritma machine learning lainnya.

Link to comment
Share on other sites

Join the conversation

You can post now and register later. If you have an account, sign in now to post with your account.

Guest
Reply to this topic...

×   Pasted as rich text.   Restore formatting

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   Your previous content has been restored.   Clear editor

×   You cannot paste images directly. Upload or insert images from URL.

 Share

×
×
  • Create New...

We reject everyone who uses adblock and this is our way of keeping Ngobas active. If you support us, it would be nice for you to access it without using AdBlock.

Disable AdBlock