Lewati ke isi

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

Dataset Akses Dipakai pada
Breast Cancer Wisconsin (Diagnostic) sklearn.datasets.load_breast_cancer Klasifikasi, Overfitting dan kebocoran
Wine sklearn.datasets.load_wine Klaster, Visualisasi
Diabetes sklearn.datasets.load_diabetes Estimasi, Statistik
CO2 Mauna Loa mingguan (Keeling dan Whorf) statsmodels.datasets.co2 Forecasting

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