Forum Replies Created
-
AuthorPosts
-
Hi Cahya,
Request yg aneh jg ya mengisi hari yg tanpa trx dgn nilai trx hari sebelumnya..
Tampaknya hal ini bisa diselesaikan dgn fungsi lag,
Yaitu fungsi yg mengambil nilai dari row sebelumnyaJadi kamu perlu totalkan dulu trx per order date
Kemudian kamu ambil fungsi lag itu yg diurutkan berdasarkan order date
Lalu tinggal case when jika trx 0 ambil yg hasil kolom lag, jika tdk 0 maka ambil angka originalnyaRegards
February 19, 2024 at 9:33 PM in reply to: Obervation point, Performance Window, Observation Window #230104Hi Faizareqi,
Lama observation point tidak ditentukan oleh performance window.. lama performance window mempengaruhi observation window.
Lama observation point ditentukan dari usecase yg dipelajari, misalnya pelanggam yg ditelpon selama 1 bulan, atau pelanggan baru selama 1 bulan, atau transaksi yang dilakukan dalam 1 hari, dst.
Pengalaman saya sih sangat jarang ya observation point yg lebih dr 1 bulan. Jika memang periode program lebih dr 1 bulan mungkin ada baiknya ttp dipisah2 observation point
Regards
Hi Petra,
You should see at the upper left corner in which database that you created the table.. and then you do the query on the same database you created
Regards
January 17, 2024 at 5:17 PM in reply to: Face Recognition : module ‘cv2’ has no attribute ‘face’. #228776Hi Aryo,
Tampaknya ini permasalahan pada instalasi opencv contrib python di device kamu. Saya sarankan kamu untuk browsing github dan stackoverflow untuk mencari berbagai alternatif solusi. Krn solusi untuk setiap device bisa berbeda-beda.
Kamu bisa coba dengan keyword cv2 has no attribute face di google
Regards
WilliamHi michael
Iya betul sintaks tersebut hanya akan memunculkan data salary di console.
Jika ingin membuat variabel hrs declare variabel dulu
X = dataset$salary
Silahkan ditonton ulang materi R nya ya
Hi Faizareqi
Iya betul persentasenya spt itu
Regards
Hi Faiza,
Tidak bukan begitu, dari 100 data, dilakukan random sampling utk memilih 75% untuk train, dan sisa 25% nya untuk test. Karena 75%nya random sampling maka 25% nya pasti juga ter random sampling
Regards
Hi Lifnur,
Tidak ada ketentuan baku yg menyatakan jumlah minimal yg hrs diambil untuk merepresentasikan populasi. Namun secara umum at least 20% dari populasi sudah dapat mewakili populasi.
Ciri2nya merepresentasikan populasi itu kalo kamu ambil rata2 salah satu fiturnya, maka akan mirip dengan rata2 fitur yg sama di sampel.
Namun 20% ini jadi problem jika datanya terlalu banyak. Misalnya quick count pemilu, dr 100 juta pemilih tidak mungkin dkumpulknan sampel 20 juta pemilih. Biasanya kita hrs uji coba apabila sampling 500 rb uda mirip belum rata2 salah satu fiturnya, klo belum mirip hrs ditambain lg jd 1 juta misalnya.
Demikian
Hi,
Caranya kamu buat databasenya gmn?
Errornya spt apa tulisannya?Proporsi true dan falsenya yg tidak akan terpengaruh set seed.
Tapi data yg sama bisa berubah masuk ke true atau false jika berubah set seed
Regards
Hi Rohana,
Klo menurut informasi berikut ini justru yang terbaru itu get_feature_names() tanpa out
Tp memang benar salah satu kekurangan python adalah sering ada perubahan seperti ini, sehingga kadang jika kita punya versi python yang berbeda, script yang sama tidak bisa jalan. Biasanya ada warning jika kita sedang coding yang menyatakan bahwa fungsi tsb akan segera deprecated.
Regards.
November 9, 2023 at 9:31 PM in reply to: Training Model Random Forest dengan Data ‘smsspamcollection’ #223981Hi Rohana,
Sori saya baru sadar kamu menggunakan randomforestregressor,
Coba ganti pakai randomforestclassifier ya>>> from sklearn.ensemble import RandomForestClassifier
>>> clf = RandomForestClassifier(max_depth=2, random_state=0)
>>> clf.fit(X, y)November 6, 2023 at 5:59 PM in reply to: Training Model Random Forest dengan Data ‘smsspamcollection’ #223731Hi Rohana,
Jika dilihat dr error messagenya, fungsinya tdk bs menerima target berupa string yaitu ham dan spam. Mungkin kamu bisa coba ubah jadi 0 dan 1 sebelum dimasukan ke fungsi nya.
Regards
Hi Lukman,
Bisa langsung gunakan
Select * from table <nama table>
Regards
Hi anisah,
Wkt script sebelumnya ada jalanin script split. Nah hasil dari script itu adalah true dan false. Jadi wkt kamu set besar testnya 30%, makajumlah false akan jd 70% dan jumlah true akan jd 30%.
Pengambilan true dan false sendiri dilakukan dengan teknik random sampling..
Set seed sendiri tidak akan mengubah komposisi jumlah false dan true. Namun mengubah siapa saja yg terpilih masuk true dan false.
Regardz
-
AuthorPosts