🍎Praktikum 2
SVR
Last updated
SVR
Last updated
Mengimpor Library:
Lakukan import library yang diperlukan terlebih dahulu, termasuk NumPy, Matplotlib, dan pandas.
Mengimpor Dataset:
Pastikan sudah mendownload file CSV 'Posisi_gaji.csv' dan letakkan dalam direktori yang sama. Ini adalah dataset yang akan digunakan dalam praktikum ini.
Membaca dataset menggunakan pd.read_csv
dan memilih fitur (variabel independen X
) dan target (variabel dependen y
).
Feature Scaling:
Menggunakan StandardScaler untuk melakukan penskalaan fitur X
dan target y
. Ini diperlukan karena SVM sangat sensitif terhadap skala data.
Fitting SVR ke Dataset:
Lakukan pembuatan model SVR dengan kernel RBF (Radial Basis Function) dan melatihnya dengan data yang telah di-scaled.
Visualisasi Hasil SVR:
langkah selanjutkan, lakukan visualisasi Menggunakan grafik untuk memvisualisasikan hasil prediksi model SVR. Ini mencakup plotting data asli (titik-titik merah) dan kurva hasil prediksi (garis biru) untuk tingkat posisi yang bervariasi.
Prediksi Hasil:
Membuat array 2D yang berisi tingkat posisi yang akan diprediksi. Dalam contoh ini, tingkat posisi 6.5.
Menskalakan fitur prediksi menggunakan sc_X.transform
.
Melakukan prediksi menggunakan model SVR yang telah dilatih.
Mengembalikan hasil prediksi ke dalam skala aslinya menggunakan sc_y.inverse_transform
.
Menampilkan Hasil:
Menampilkan hasil prediksi gaji untuk tingkat posisi 6.5 dalam kode
Validasi Hasil:
Hasil output Gambar 3.10 adalah grafik dari model Support Vector Regression (SVR) yang telah dilatih untuk memprediksi gaji berdasarkan tingkat posisi. Grafik tersebut merupakan visualisasi dari hubungan antara tingkat posisi (x-axis) dan gaji (y-axis) setelah menerapkan model SVR.
Grafik SVR:
Pada grafik tersebut, titik-titik merah mewakili data pengamatan asli yang digunakan untuk melatih model.
Garis biru adalah hasil dari prediksi model SVR. Garis ini mencoba untuk mengikuti pola data asli sebaik mungkin dan merupakan representasi dari hubungan non-linear antara tingkat posisi dan gaji.
Hasil prediksi yang ditampilkan adalah prediksi gaji untuk tingkat posisi 6.5. Hasilnya adalah sekitar $170,370.02. Ini berarti model SVR memperkirakan bahwa seseorang dengan tingkat posisi 6.5 akan memiliki gaji sekitar $170,370.02 berdasarkan pola hubungan yang ditemukan dalam data latihan.
Grafik ini memvisualisasikan bagaimana model SVR mencoba untuk menyesuaikan diri dengan data yang ada dan memberikan prediksi yang sesuai berdasarkan tingkat posisi yang diberikan (6.5 dalam hal ini). Dalam prakteknya, Anda dapat menggunakan model ini untuk membuat prediksi gaji berdasarkan tingkat posisi lainnya dengan mengganti nilai tingkat_posisi_prediksi
.
Evaluasi Model SVR
Langkah terakhir adalah melakukan evaluasi model meliputi MAE, MSE dan R-squared
Output