Forum Replies Created
-
Posts
-
Hi Jerry,
3/8 karena hanya ada 3 transaksi yang ada apel dan bir secara bersama2. dibagi total transaksi yang ada.
Jika transaksi yang ada hanya apel tapi tidak ada bir, atau sebaliknya, tidak dihitung.Mau klarifikasi coach..dari gambar yg diberikan cara kita membacanya:
1. Peluang orang beli bir jika ia beli apel
2. Peluang orang beli apel jika ia beli bir.Saya kira no 1 yg betul. Betulkah coach ? Thanks coach Wiliam.
untuk pertanyaan yang ini, yup pada umumnya akan dibaca seperti nomor 1, tapi klo dilihat dari rumusnya, sebenarnya tidak ada beda jika dibalik2.
Regards
Hi Jerry
Peluang apel dan bir bersama2 = 3/8
Peluang apel = 4/8
Peluang bir = 6/8= 3/8 / (4/8 * 6/8)
= 3/8 * 8/4 * 8/6
= 192 / 192 = 1
Hi Jerry,
Iya betul data timeseries hrs berisi periode dan isi datanya. Dan diurutkan secara ascending. Saya sih tidak perna coba ya klo itu tidak diurutkan secara benar apakah akan mempengaruhi hasilnya, namun sebaiknya diurutkan saja..
Terkait penulisan coding, start itu spt kita memberi tahu klo datanya dimulai dr jan 2014. Jika kamu ganti jd 2004 ya dianggap modelnya itu tahun 2004. Angka prediksinya temtu ga beda krn kan trennya ttp samaRegards
Hi Jerry,
Prediksi berapa bulan sekali tidak ada ketentuannya, semua tergantung kebutuham perusahaan. Untuk ML biasa seperti regression, knn, random forest, memprediksi 6 bulan kedepan minimal butuh data 6 bulan ke belakang. Tp klo bs 2x lipatnya ke belakamg ya alias 1 tahun. Untuk timeseries sebaiknya sepanjang mungkin krn timeseries hanya bergantung pada data yg sangat sedikit
Regards
Sipp
Sama sama
Hi Jerry,
Tidak ada ketentuannya berapa banyak data minimal yang dibutuhkan untuk mengembangkan model machine learning. secara teori hanya menyebutkan, semakin banyak data maka akan semakin baik akurasi dari model.
Namun saya bisa membantu memberikan tips apakah data yang kamu gunakan sudah cukup atau belum untuk dibuat machine learning.Misalnya kamu mau prediksi pelanggan2 yang akan ngutang dan gagal bayar.
Nah coba kamu kumpulkan data bulanan pelanggan2 yang bayar dan gagal bayar, kemudian kamu lihat persentasi pelanggan yang gagal bayar. Jika angkanya setiap bulan konsisten, misalnya sekitar 5% dari pelanggan yang beli gagal bayar. di januari 4.9%, di feb 5.2%, di maret 4.7%, di april 5.5%, dst hingga desember tetap di sekitaran 5%, maka data kamu sudah membentuk pattern dan sudah dapat dibuat machine learning.jadi misalnya pelanggannya ada 100, atau 100.000, yang penting konsisten di kira2 sebuah angka berarti sudah ok. Nah yang bahaya klo januari 5%, feb 20%, maret 15%, april 7%, mei 24%. Ini belum membentuk pattern dan kemungkinan besar modelnya juga akan punya akurasi buruk.
Regards,
WilliamHi Jerry,
Biasanya yang kita jadikan training data itu adalah periode-periode data yang normal, misalnya diluar Idul Fitri dan Natal tahun baru. Hal ini untuk memastikan model dapat mempelajari kondisi normal dari perusahaan. Kemudian kita tes dengan memprediksi data yang tidak normal seperti Idul Fitri dan Natal tahun baru. Biasanya hasilnya akan tetap bagus. Jika hasilnya tidak bagus, mungkin kamu bisa mempertimbangkan untuk memasukan data 1 tahun, artinya ada data bulan normal dan ada data tidak normal ke dalam training data kamu. Biasanya dengan begitu hasilnya akan lebih baik.
Regards,
WilliamHi Edith,
Model akan memerlukan waktu lebih lama bisa karena performance dari komputer yang digunakan kurang mumpuni atau karena datanya yang banyak. Prinsipnya semakin besar data dan semakin rendah spek komputer akan membuat model semakin berat.
Regards,
WilliamHi Edith,
Untuk membuat model, kita boleh memasukan semua data, baik yang kita duga berkorelasi tinggi maupun yang tidak kita ketahui berkorelasi atau tidak. Sebab ada kalanya data yang kita sangka tidak berkorelasi ternyata punya korelasi tinggi. Dan nanti model juga akan memilih sendiri data mana yang bagus untuk memprediksi targetnya. Selain itu, di dunia nyata lebih banyak kita tidak punya intuisi data mana yang akan punya korelasi tinggi, sehingga ada baiknya coba saja semua data yang tersedia.
Regards,
WilliamHai Jerry,
R bisa generate chart, namun bentuknya jelek jadi biasa tidak bisa digunakan ke manajemen.
Maksud saya lebih seperti ini:
grafik yang saya gunakan di video, itu adalah grafik 2 dimensi.
Misalnya kita menggunakan luas rumah untuk melakukan prediksi harga rumah. artinya hanya ada 2 variabel disini, sehingga bisa digambarkan dengan grafik 2 dimensi. misalnya sumbu x merupakan luas rumah, dan sumbu y merupakan harga rumah.
nanti bisa terbentuk fungsi grafik misalnya y = 2 + 5x, yaitu harga rumah adalah 2 ditambah 5 kali luas rumah (ini hanya contoh)Nah pada saat kita membuat machine learning, kita tidak mungkin hanya menggunakan 1 atau 2 variabel untuk memprediksi sesuatu. Misalnya kita mau prediksi pelanggan mana yang akan berpotensi mengulangi pembelian. Itu kita bisa masukin banyak data kan, misalnya data transaksi 7 hari terakhir, tren transaksi 7 hari dibagi 1 bulan terakhir, dan lainnya. Nah ini artinya kan sudah > 3 dimensi, nah kita kan tidak bisa menggambarkan grafik lebih dari 3 dimensi.
oleh karena itu penggambaran grafik hasil dari linear regression dan logistic regression tidak pernah dilakukan di dunia kerja karena selain tidak mungkin menggambarkan data > 3 dimensi, jika bisa pun manajemen tidak akan memahami grafik yang spt itu.
Dan yang kamu bilang betul, kita harus menampilkan yang dipahami oleh manajemen. Jauh lebih mudah membuat manajemen memahami confusion matrix daripada dengan grafik.
Regards,
WilliamHi Nada,
Coba aktifkan dulu library forecast dengan library(forecast),
jika tidak ada perlu di download dulu dengan install.packages.Regards,
WilliamHi Ryan,
Itu artinya ada sql server lain yg sudah di install di komp kamu sehingga bentrok.
Solusinya menggunakan nama instance yg berbeda, atau uninstall total semua sql server.Regards
WilliamHi Jerry
Betul kolom purchased menunjukkan actual data apakah beli atau tidak, sedangkan prob menggambarkan prediksi dr model, yaitu probability pelanggan itu akan beli atau tidak.
Regards
WilliamHi Jerry,
Keduanya tidak bisa karena penjelasan pada awal video dgn asumsi hanya 2 dimensi, sedamgkan data yg ditraining ada lebih dr 2 dimensi..
Dan memang tdk digunakan juga pada dunia kerja sebab bisnis tidak memahami hal spt itu.
Regards,
William