Pengantar Data Mining

Rp175.000

Tersedia di backorder

SKU: pengantar-data-mining Kategori:
Deskripsi

Buku berjudul Pengantar Data Mining ini memberikan informasi tentang berbagai macam metode yang digunakan untuk menambang data, khususnya yang digunakan untuk klasifikasi dan regresi. Sementara itu, untuk clustering dan penentuan anomali atau outlier tidak dibahas dalam buku ini, diharapkan dapat dibahas pada buku lain.
Buku ini membahas tentang Metode Zero-R & One-R; Metode KNN; Metode Naive Bayes; Metode Decision Tree; Metode ANN; Metode Random Forest; serta Metode SVM. Dalam machine learning, sering kali pemilihan data latih (training data) dan data tes (testing data) dilakukan secara acak (random). Oleh karena itu, dalam menentukan kinerja (akurasi, presisi, recall dan F 1 -score) suatu metode machine learning, penulis melakukannya secara berulang sebanyak bilangan besar dan selanjutnya kinerjanya dapat diestimasi dengan rata-rata (mean) atau mediannya.
Materi dari buku ini dikembangkan dari artikel-artikel dan website dalam “Daftar Pustaka” serta pengalaman mengajar pada Prodi Matematika dan Prodi Magister Sains Data, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Salatiga.  Buku ini diharapkan dapat memperkaya serta mengembangkan Data Science, khususnya tentang Data Mining.

Informasi Tambahan
ISBN–
PenerbitDiandra Kreatif
Tahun Terbit2025
Ukuran17 x 25
KertasBookpaper 57 Gram
Shipping & Delivery

MAECENAS IACULIS

Vestibulum curae torquent diam diam commodo parturient penatibus nunc dui adipiscing convallis bulum parturient suspendisse parturient a.Parturient in parturient scelerisque nibh lectus quam a natoque adipiscing a vestibulum hendrerit et pharetra fames nunc natoque dui.

ADIPISCING CONVALLIS BULUM

  • Vestibulum penatibus nunc dui adipiscing convallis bulum parturient suspendisse.
  • Abitur parturient praesent lectus quam a natoque adipiscing a vestibulum hendre.
  • Diam parturient dictumst parturient scelerisque nibh lectus.

Scelerisque adipiscing bibendum sem vestibulum et in a a a purus lectus faucibus lobortis tincidunt purus lectus nisl class eros.Condimentum a et ullamcorper dictumst mus et tristique elementum nam inceptos hac parturient scelerisque vestibulum amet elit ut volutpat.