Lewati ke isi

Klasifikasi (Classification)

Klasifikasi memprediksi kelas (label kategorik) dari sebuah data, misalnya email spam atau bukan, atau tumor ganas atau jinak. Ini adalah supervised learning: model belajar dari data yang labelnya sudah diketahui.

Mulai dari sini: apa itu klasifikasi?

Klasifikasi adalah cara komputer menebak kategori sebuah data setelah belajar dari contoh yang jawabannya sudah diketahui.

Analogi

Petugas pos memilah surat ke kotak kota tujuan. Ia belajar dari ribuan surat yang sudah tahu tujuannya, lalu bisa memilah surat baru sendiri.

Mengapa dipelajari? Banyak keputusan berbentuk pilihan kategori: email spam atau bukan, pelanggan akan berhenti atau tidak, tumor ganas atau jinak.

Peta belajar

  1. Apa masalahnya dan bagaimana data diperiksa? → alur kerja dan data
  2. Bagaimana data disiapkan dan dibagi dengan aman? → praproses dan baseline
  3. Model apa saja yang tersedia? → Logistic Regression, KNN, Decision Tree, Random Forest, SVM, Naive Bayes
  4. Bagaimana menilai hasilnya? → evaluasi, kelas tidak seimbang
  5. Bagaimana memilih dan menyetel model terbaik? → perbandingan dan optimasi
  6. Bagaimana memakainya di dunia nyata? → simpan, deploy, monitor, lalu proyek

Setiap pelajaran dibuka dengan Gambaran singkat yang menjelaskan topiknya dengan bahasa sehari-hari.

Tujuan pembelajaran

  • Merumuskan masalah klasifikasi dan memilih metrik yang sesuai.
  • Membangun pipeline klasifikasi tanpa kebocoran data.
  • Membandingkan beberapa algoritma secara adil dan menafsirkan hasilnya.
  • Menangani kelas tidak seimbang, menyetel hyperparameter, dan menyimpan model.

Prasyarat

Bab Dasar-dasar, terutama Praproses Data, Data Latih, Validasi, Uji, Metrik Evaluasi, dan Pipeline.

Tahap alur kerja yang relevan

Tahap Status Catatan
Definisi masalah, pengumpulan data, EDA, praproses Wajib Periksa distribusi kelas
Rekayasa fitur Opsional
Pembagian data Wajib Stratified, validasi silang
Pemilihan, pelatihan model Wajib Mulai dari baseline
Evaluasi Wajib Confusion matrix, precision/recall/F1, ROC-AUC, PR-AUC
Optimasi Wajib Grid/Random Search dengan validasi silang
Penyimpanan model Wajib joblib
Deployment dan monitoring Opsional Konsep, contoh sederhana, pemantauan pergeseran

Pelajaran

# Pelajaran Isi utama
1 Alur Kerja dan Data Rumusan masalah, dataset, label, pemeriksaan awal
2 Praproses, Pembagian Data, Baseline Keputusan praproses, stratified split, baseline
3 Logistic Regression Sigmoid, regularisasi C, koefisien
4 KNN Jarak, k, scaling
5 Decision Tree Gini, kedalaman, aturan terbaca
6 Random Forest Bagging, OOB, feature importance
7 SVM Margin, C, kernel RBF, gamma
8 Naive Bayes Teorema Bayes, asumsi independensi, teks
9 Perbandingan dan Pemilihan Model Validasi silang berulang, interpretasi
10 Evaluasi Model Confusion matrix, ROC, PR, ambang
11 Kelas Tidak Seimbang dan Validasi Silang Metrik, class_weight, stratifikasi
12 Optimasi Hyperparameter Grid/Random Search, nested CV
13 Menyimpan Model, Deployment, Monitoring joblib, keamanan, pergeseran data
14 Proyek End-to-End Prediksi churn dari awal sampai model tersimpan

Data yang dipakai

  • Breast Cancer Wisconsin (Diagnostic), data publik bawaan scikit-learn, untuk pelajaran 1–13.
  • Data sintetis (pelanggan churn dan data tidak seimbang) untuk bagian yang membutuhkan data campuran atau timpang; selalu ditandai sebagai sintetis.

Contoh kode ada di examples/classification/; keluaran yang ditampilkan berasal dari program yang dijalankan.