Lompat ke konten utama
Kelas
Machine Learning Dasar dengan PythonPelajaran 9 dari 16 · Modul 3, Klasifikasi: menebak kelompok

Modul 3 · Klasifikasi: menebak kelompok

Regresi logistik dan pohon keputusan

Setelah pelajaran ini kamu bisa melatih LogisticRegression dan DecisionTreeClassifier serta membaca peluang kelas dan kedalaman pohon.

  • ±13 menit
  • 3 latihan
  • Diperiksa 27 Sep 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

Walau namanya regresi, LogisticRegression adalah classifier. User Guide scikit-learn menempatkannya di bab model linear: model menghitung jumlah berbobot fitur, lalu mengubahnya menjadi peluang antara 0 dan 1. predict_proba mengembalikan peluang tiap kelas, satu kolom per kelas sesuai urutan model.classes_; predict memilih kelas dengan peluang terbesar.

DecisionTreeClassifier belajar serangkaian pertanyaan ya/tidak, misalnya "apakah keluhan > 2?", yang membagi data sampai setiap daun berisi satu kelas dominan. Pohon mudah dijelaskan ke orang lain, tetapi tanpa batas ia terus bercabang sampai menghafal data latih. max_depth membatasi banyak tingkat pertanyaan, dan random_state membuat pilihan cabang yang setara selalu sama.

from sklearn.linear_model import LogisticRegression

# lama pemakaian (bulan) -> baterai rusak (1) atau tidak (0)
bulan = [[2], [5], [8], [11], [14], [17]]
rusak = [0, 0, 0, 1, 1, 1]
log = LogisticRegression().fit(bulan, rusak)
print(log.classes_)                  # [0 1]
print(log.predict_proba([[10]])[0])  # [peluang 0, peluang 1]

Latihan

Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Latihan 1 dari 3

Tim ingin menebak apakah pengajuan pinjaman disetujui (ya/tidak) dari penghasilan dan lama bekerja. Model mana yang cocok dari daftar ini?

Pilih satu jawaban

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Lanjutkan ke

Tampilkan 2 lagi