About this ebook
Pembahasan dimulai dari AdaBoost, lalu residual dan ruang fungsi, dilanjutkan ke boosting untuk klasifikasi biner dan multikelas, regularisasi, dan optimisasi orde-dua. Bagian akhir membahas XGBoost, LightGBM, dan CatBoost, termasuk cara membaca dan menyetel model.
Setiap bab memuat gambar, contoh hitungan, dan kode Python yang ditulis dari nol dengan NumPy, lalu dicocokkan dengan pustaka scikit-learn dan pustaka boosting lainnya.
Prasyarat: kalkulus dasar, peluang dasar, dan Python. Buku ini untuk mahasiswa S1 akhir, S2, dan dosen.
Discover more
About the author
Mohammad Jamhuri adalah dosen di Program Studi Matematika, Fakultas Sains dan Teknologi, UIN Maulana Malik Ibrahim Malang, dan Kepala Laboratorium Komputasi dan Pemrograman. Riset dan tulisannya berfokus pada matematika terapan, analisis numerik, statistika, dan machine learning. Penulis buku Panduan Praktis Machine Learning dengan Python dan aktif menulis materi machine learning di Medium.
