Pohon Keputusan, Confusion Matrix, Precision-Recall, dan Kurva ROC
Pohon keputusan memisahkan transaksi rekaan. Atur kedalaman dan ambang, lalu lihat confusion matrix, presisi, recall, F1, kurva ROC, dan overfitting.
Pohon Keputusan, Confusion Matrix, Precision-Recall, dan Kurva ROC
- Turunkan ambang ke 0,2: recall naik, presisi turun, titik di kurva ROC bergeser.
- Naikkan kedalaman maksimum ke 10: akurasi latih mendekati 100%, akurasi uji turun.
- Ganti tampilan ke data latih dan bandingkan confusion matrix-nya.
- Cari kedalaman dengan akurasi uji tertinggi di grafik overfitting.
- Data transaksi rekaan (240 baris, dua fitur) dibuat acak untuk lab ini, bukan data penipuan nyata.
- Peluang = porsi penipuan di daun; ambang mengubah tebakan, bukan pohonnya.
- Pohon memakai kriteria entropy dan memecah sampai murni atau kedalaman maksimum, tanpa batas sampel per daun.
- scikit-learn User Guide — 1.10 Decision Trees · CART, kriteria entropy, max_depth dan overfitting
- scikit-learn User Guide — 3.4 Metrics and scoring · Confusion matrix, precision, recall, F1
- scikit-learn — sklearn.metrics.roc_curve · TPR dan FPR untuk setiap ambang skor
Apakah Pohon keputusan & confusion matrix ini gratis?
Gratis dan tanpa akun. Simulasinya berjalan di peramban kamu; tidak ada yang dikirim ke server KelasGratis. Bila kamu masuk, KelasGratis hanya mencatat bahwa akunmu membuka lab ini (sekali sehari) untuk riwayat dan aktivitas komunitas.
Apa saja penyederhanaan modelnya?
Data transaksi rekaan (240 baris, dua fitur) dibuat acak untuk lab ini, bukan data penipuan nyata. Peluang = porsi penipuan di daun; ambang mengubah tebakan, bukan pohonnya. Pohon memakai kriteria entropy dan memecah sampai murni atau kedalaman maksimum, tanpa batas sampel per daun.
Boleh dipasang di situs sekolah atau blog?
Boleh. Pasang iframe ke https://kelasgratis.com/lab/pohon-keputusan-confusion-matrix?embed=1; bingkainya menampilkan lab saja beserta tautan balik.