Belajar Clustering K-means dan Nearest Neighbor

Clustering adalah pengelompokan dari record, observasi-observasi atau kasus-kasus ke kelas yang memiliki kemiripan objek-objeknya. Cluster adalah koleksi dari record yang mirip, dan tidak mirip dengan record dari cluster lain. Clustering berbeda dengan klasifikasi, dalam hal tidak ada variabel target untuk clustering. Clustering tidak mengklasifikasikan, meramalkan, atau memprediksi nilai dari sebuah variabel target. Algoritma-algoritma clustering digunakan untuk menentukan segmen keseluruhan himpunan data menjadi subgroup yang relatif sama atau cluster, dengan kesamaan record dalam cluster dimaksimumkan dan kesamaan record di luar cluster diminimumkan (Larose 2005).

Secara umum metode utama clustering dapat diklasifikasikan menjadi: Metode partisi, Metode hirarkhi, Metode berdasarkan kepekatan, Metode berdasarkan grid dan Metode berdasarkan model (Han & Kamber 2001).

Baik saya tidak membahas lebih lanjut masalah teorinya. Temen-teman bisa googling sendiri literatur atau buku tentang clustering. 

Penentuan nilai bobot untuk fungsi ANDNOT dengan binary input Perceptron

Sebelum kita bahas perhitungan pencarian bobotnya, alangkah lebih baik kita mengenal dulu apa itu Perceptron. Perceptron merupakan feedforward neural network yang sederhana yang diperkenalkan oleh Rosenblatt (1958), Minsky and Papert (1969/1988),Fausett (1994).  Biasanya digunakan untuk mengklasifikasikan suatu pola tipe tertentu yang sering dikenal dengan pemisahan secara linear. Pada dasarnya perceptron pada jaringan syaraf dengan satu lapisan memiliki bobot yang dapat diatur. Dapat digunakan dalam kasus untuk mengenali fungsi logika AND, OR, ANDNOT, ORNOT dengan masukan dan keluaran bipolar.

Baik, saya kira cukup perkenalannya. Sekarang kita akan bahas bagaimana penyelesaiannya untuk fungsi ANDNOT (untuk penyelesaiannya fungsi lainnya, akan saya bahas jika ada request dari temen-temen)

Algoritma Pemrograman untuk Menyelesaikan Perkalian Matrik

Dalam perhitungan Matrik baik penjumlahan, pengurangan ataupun perkalian matrik kita membutuhkan variable array dalam menyelesaikannya.

Asumsi saya, teman-teman telah mengetahui cara penggunaan array. Pada kesempatan kali ini saya tidak membahas penjumlahan dan pengurangan matrik namun langsung ke perkalian matrik.

Perkalian Matrix secara matematis dapat dituliskan sebagai berikut:

Induksi Decision Tree menggunakan konsep Classification Error

Decision Tree adalah salah satu metode klasifikasi yang populer karena mudah diinterprestasikan oleh manusia. 
Decision tree digunakan untuk pengenalan pola dan termasuk dalam pengenalan pola secara statistik.

Sekarang kita coba menyelesaikan Decision Tree dengan Classification Error.

Induksi Decision Tree menggunakan konsep Gini Index

Decision Tree adalah salah satu metode klasifikasi yang populer karena mudah diinterprestasikan oleh manusia. 
Decision tree digunakan untuk pengenalan pola dan termasuk dalam pengenalan pola secara statistik.

Sekarang kita coba menyelesaikan Decision Tree menggunakan kosenp Gini Index.