renjiraND/Tugas-Kecil-2-AI-IF3170

Tugas Kecil 2 - IF-3170 Inteligensi Buatan

Eksplorasi scikit-learn pada Jupyter Notebook

Jupyter Notebook http://jupyter.org/ memudahkan kita untuk membuat dan berbagi dokumen yang merupakan gabungan dari live code, equation, visualisasi dan catatan. Jupyter dapat digunakan untuk visualisasi, pembersihan dan data transformasi, statistical model dan machine learning. Scikit-learn merupakan library machine learning pada bahasa python.

1. Melakukan eksplorasi scikit learn pada Jupiter Netbook

2. Menulikan script dalam bahasa python pada satu notebook untuk melakukan task berikut ini:

a. Membaca dataset standar iris dan dataset play-tennis (dataset eksternal dalam format csv). Dataset play-tennis dapat diakses pada lampiran.

Menggunakan sklearn.datasets untuk membaca dataset standar. Untuk membaca dataset csv, gunakanlah Python Data Analysis Library http://pandas.pydata.org/

b. Melakukan pembelajaran:

• NaiveBayes (http://scikit-learn.org/stable/modules/naive_bayes.html ),
• DecisionTree ID3 (http://scikit-learn.org/stable/modules/tree.html ),
• kNN (http://scikit-learn.org/stable/modules/neighbors.html ), dan
• Neural Network MLP (http://scikit-learn.org/stable/modules/neural_networks_supervised.html ) untuk dataset iris dengan skema full-training, dan menampilkan modelnya.

c. Melakukan pembelajaran NaïveBayes, DecisionTree, kNN, dan MLP untuk dataset iris dengan skema split train 90% dan test 10%, dan menampilkan kinerja serta confusion matrixnya.

d. Melakukan pembelajaran NaïveBayes, DecisionTree, kNN, dan MLP untuk dataset iris dengan skema 10-fold cross validation, dan menampilkan kinerjanya.

e. Menyimpan (save) model/hipotesis hasil pembelajaran ke sebuah file eksternal

f. Membaca (read)model/hipotesis dari file eksternal

g. Membuat instance baru dengan memberi nilai untuk setiap atribut

h. Melakukan klasifikasi dengan memanfaatkan model/hipotesisNaïveBayes, DecisionTree, dan kNN dan instance pada g.