nama

[Ma’rup]

dtf = read.csv(“Salary_Data.csv”)

library(caTools)

set.seed(1234)

split = sample.split(dtf$Salary)

set_training = subset(dtf, split == FALSE)
set_tes = subset(dtf, split == TRUE)

regressor = lm(formula = Salary ~ YearsExperience,
data = dtf)
a = list(YearsExperience = 15)

# disini kak saya mencoba memprediksi gaji tahun 15

y = predict(regressor, newdata = a)

result = rbind(set_training, y)

# tidak ada yang eror, tapi di kolom YearExperience nya malah
# hasil prediksi gaji, pertanyaannya bagaimana supaya di kolom
#YearsExperience nya tetep 15 ?
#thx kak

[Coach William]

Hi John,

Rasanya banyak yg terbalik2 dr script kamu
Waktu training regressor harusnya menggunakan training set bukan dtf.

Kemudian Y itu kan hasil predict yg datanya hanya 1 kolom saja, kamu rowbind dengan data training untuk apa? Format datanya saja sudah beda

Menurut saya baiknya kamu coba tonton ulang videonya supaya kamu paham apa itu train set, tes set, dan terkait cara2 pengembangan Machine learning yg sesuai

Regards

[Ma’rup]

hi coach,

terimaksih coach penjelasanya, izin bertanya lagi, saya agak bingung dengan trining regresor kenapa harus pake training set? saya coba2 dan ga ada perbedaan dengan pake dtf ke resultnya, mohon penjelasanya coach.

thx

[Coach William]

Hi John,

Kita harus mengerti dulu tujuannya kenapa data harus dipecah jadi training dan test.

Jika kita menggunakan seluruh data untuk training reggresor, maka kita ga punya lagi data baru untuk memvalidasi apakah model kita sudah konsisten atau sudah baik hasilnya.

Sebuah model cenderung akan memiliki hasil yg baik dari yang seharusnya pada data yg digunakan untuk training.

Oleh karena itu kita memisahkan data train dan data test, agar kira melakukan training menggunakan data train, dan mengujinya pada data tes. Karena kan modelnya tidak belajar dari data tes. Jd semacam diuji modelnya apakah sudab baik atau belum

Pada tree based model seperti decision tree, random forest, biasanya data hasil training sering too good to be true karena kecenderungan overfit, jadi harus divalidasi dgm data tes

Regards

[Coach William]

Oh iya 1 lg,

Kenapa hasilmya mirip2?

Karena data train itu dibuat dengan random data populasi, yang merepresentasikan populasi. Jadi seharusnya di train dengan 80% data atau 100% data hasilnya mirip.

Namun sekali lg, tidak ada data baru untuk menguji atau memvalidasi

[Author]

Posts