Random forest

[zulfafauziyyah32]

halo coach, saya sudah mengerjakan semua kode yg coach berikan di video, tapi ada hasil error berupa

ini code yg salah tulis

df = read.csv(‘Social_Network_Ads.csv’)

df$User.ID = NULL

#FEATURE SCALING

library(caTools)
set.seed(123)

split = sample.split(df$Purchased,SplitRatio = 0.7)
training_set = subset(df,split == TRUE)
test_set = subset(df,split == FALSE)

#train random forest
library(randomForest)
classifier = randomForest(x = training_set[-3],
y = training_set$Purchased,#y adalah data target
ntree = 10
)

classifier

# … Kode sebelumnya …

# Memperbaiki kesalahan objek ‘tes_set’ not found
y_pred = predict(classifier, newdata = test_set[-3])

result = cbind(test_set, y_pred)

dan ini warningnya
Warning message:
In randomForest.default(x = training_set[-3], y = training_set$Purchased, :
The response has five or fewer unique values. Are you sure you want to do regression?

ini ada di console. Jadi saya harus gimana ya coach

[zulfafauziyyah32]

Halo coach, maaf sekali ini biar nyambung, saya mau kasih tau kalau saya coba tanya ke chat gpt. dan setelah dibenarkan ternata untuk kolom purchased variablenya butuh di factorkan, dan hasilnya jadi ga ada error lagi coach

library(randomForest)
library(caTools)

# Load the dataset
df <- read.csv(‘Social_Network_Ads.csv’)
df$User.ID <- NULL

# Convert ‘Purchased’ to a factor
df$Purchased <- as.factor(df$Purchased)

# Split the data
set.seed(123)
split <- sample.split(df$Purchased, SplitRatio = 0.7)
training_set <- subset(df, split == TRUE)
test_set <- subset(df, split == FALSE)

# Train random forest for classification
classifier <- randomForest(x = training_set[-3],
y = training_set$Purchased,
ntree = 100,
type = “classification”)

classifier

# … Kode sebelumnya …

# Memperbaiki kesalahan objek ‘tes_set’ not found
y_pred = predict(classifier, newdata = test_set[-3])

result = cbind(test_set, y_pred)

nah seperti ini coach
menurut coach bagaimana kalau sprti ini? salah atau benar ya coach?
trimakasih

[Coach William]

Hi Zulfa,

Untuk warning gapapa dapat diignore saja ya.

Betul untuk factor menggunakan as.factor

Regards
William

[Author]

Posts