Dataset dan Sumber Belajar
Prinsip pemilihan dataset
- Utamakan dataset bawaan pustaka atau data sintetis dengan seed tetap, agar semua contoh dapat dijalankan tanpa mengunduh apa pun.
- Setiap pelajaran menyebut apakah datanya publik atau sintetis. Data sintetis dipakai untuk memperlihatkan mekanisme, bukan untuk menyimpulkan dunia nyata.
- Keluaran yang ditampilkan berasal dari program yang dijalankan; lisensi dan sumber dataset publik dirujuk pada pelajaran yang memakainya.
Dataset publik yang dipakai
Dokumentasi dataset bawaan scikit-learn: toy datasets. Dataset CO2 dibundel dengan statsmodels dan dinyatakan domain publik pada dokumentasinya.
Dataset sintetis yang dipakai
| Dataset |
Pembangkit |
Dipakai pada |
| Pelanggan berlangganan (churn) |
examples/fundamentals/customer_data.py |
Fundamentals, proyek klasifikasi |
| Harga rumah |
make_housing_data pada proyek estimasi |
Proyek estimasi |
| Deret waktu penjualan |
Skrip pengantar dan proyek forecasting |
Dasar deret waktu, proyek forecasting |
| Pelanggan dan RFM |
examples/clustering/segment_data.py dan proyek klaster |
Klaster |
| Transaksi keranjang belanja |
examples/association/basket_data.py |
Aturan asosiasi |
Sumber belajar
Lihat juga
Glosarium ยท Menjalankan Situs dan Contoh