Membangun Model Klasifikasi Klasik Menggunakan Logistic Regression pada Dataset Iris
Dalam dunia Machine Learning , klasifikasi adalah salah satu permasalahan yang paling sering dijumpai. Salah satu algoritma paling mendasar namun sangat kuat untuk menyelesaikan masalah klasifikasi biner (dua kelas) adalah Logistic Regression . Pada artikel kali ini, kita akan membedah secara mendalam kode Python yang mendeteksi apakah sebuah bunga Iris termasuk ke dalam spesies Setosa atau bukan, menggunakan pustaka populer scikit-learn . 1. Source Code Lengkap (Python) Berikut adalah kodingan lengkap yang kita gunakan untuk memproses data, melatih model, hingga mengevaluasi performanya: #Import library from sklearn . datasets import load_iris from sklearn . linear_model import LogisticRegression from sklearn . model_selection import train_test_split from sklearn . metrics import classification_report , confusion_matrix # Loaad dataset iris = load_iris () x = iris .data y = ( iris .target == 0 ).astype( int ) # 1 jika Setosa, 0 jika bukan #Split data x_train , x_te...
.png)
