Kode Python yang menggunakan library scikit-learn

[ArtificialIntelligence]

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.