Description

Pendahuluan

Machine learning adalah cabang ilmu komputer yang fokus pada pengembangan algoritma dan model matematika yang memungkinkan komputer untuk belajar dari data tanpa adanya pemrograman secara eksplisit. supervised learning, algoritma belajar dari data yang diketahui labelnya. Algoritma belajar mengenali pola dan hubungan antara fitur-fitur dalam data dan label yang diberikan, sehingga dapat membuat prediksi yang akurat untuk data yang belum pernah dilihat sebelumnya.

Dataset

mengimpor atau mengunduh library yang diperlukan agar dapat digunakan dalam pemrograman

membaca file csv yang terdapat pada direktori tertentu dan mengkonversinya menjadi sebuah data frame, sehingga memudahkan dalam melakukan manipulasi dan analisis data lebih lanjut

menampilkan informasi terkait struktur dan tipe data dari suatu data frame. menampilkan beberapa informasi seperti jumlah baris dan kolom dalam data frame, tipe data masing-masing kolom, serta jumlah nilai non-null

menampilkan statistik deskriptif dari suatu data frame. menghasilkan beberapa informasi seperti nilai rata-rata, standar deviasi, nilai minimum dan maksimum, serta kuartil-kuartil dari setiap kolom dalam data frame.

merubah tipe data objek menjadi float64. Tipe data objek mencakup berbagai jenis data seperti teks, angka, atau data kategori, sedangkan tipe data float64 adalah tipe data untuk data numerik dengan presisi 64-bit.

menghitung jumlah nilai kosong (missing values) pada setiap kolom dalam suatu data frame. dapat dengan mudah mengidentifikasi jumlah nilai kosong pada setiap kolom dalam data frame

Visualisasi Data

menggambarkan, memvisualisasikan, dan menginterpretasikan data yang telah dikumpulkan untuk memperoleh wawasan yang lebih baik tentang karakteristik dan pola yang ada dalam data

Model

Naive Bayes merupakan salah satu algoritma klasifikasi pada machine learning. Algoritma ini didasarkan pada teori probabilitas Bayes, yaitu suatu metode yang digunakan untuk menghitung probabilitas suatu kejadian dengan menggunakan probabilitas kejadian yang sudah diketahui sebelumnya. Naive Bayes termasuk dalam jenis algoritma pembelajaran yang terawasi (supervised learning). klasifikasi dengan menggunakan model Naive Bayes, input atau fitur pada data yang belum diketahui dihitung probabilitas kemunculan setiap fitur berdasarkan kelas yang ada pada data training. Kemudian probabilitas kelas dihitung dengan mengalikan probabilitas kemunculan setiap fitur dengan probabilitas kemunculan kelas pada data training