About this ebook
Pohon keputusan sering diajarkan sebagai model pertama dan ditinggalkan sebagai model pertama pula. Beberapa baris kode sudah menghasilkan pohon, lalu perhatian pindah ke hutan acak atau boosting. Namun, di balik pohon yang sederhana itu tersimpan pertanyaan yang tidak sederhana: mengapa entropi dan indeks Gini hampir selalu memilih pemisah yang sama, mengapa satu pengurutan cukup untuk mencoba semua ambang, dan bagaimana memangkas pohon tanpa menipu diri sendiri. Buku ini menjawabnya satu per satu. Ukuran ketakmurnian diturunkan dari prinsipnya, dan hampir setiap sifat baiknya ternyata bersumber dari satu sifat, yaitu kecekungan. Pohon ditulis dari nol dengan NumPy, lalu dicocokkan dengan scikit-learn sampai ke ambang yang sama persis. Satu aturan dipegang dari halaman pertama sampai halaman terakhir: setiap angka yang tercetak lahir dari menjalankan kode yang disertakan, dan kecocokan keduanya diperiksa mesin setiap kali naskahnya disusun ulang. Aturan itu beberapa kali memaksa penulisnya melaporkan hal yang tidak diharapkan: hutan acak dengan pengaturan bawaan ternyata kalah dari satu pohon yang dipangkas dengan baik, dan keunggulan kalibrasi ternyata berasal dari merata-ratakan lima pohon, bukan dari kalibrasinya. Justru bagian-bagian itulah yang paling banyak mengajarkan sesuatu. Isinya delapan belas bab dalam lima bagian: Bagian I menyiapkan alasan, matematika, dan Python secukupnya; Bagian II membangun mekanismenya, dari pohon sebagai partisi ruang, entropi, dan indeks Gini sampai sapuan pemisah yang cepat dan pohon yang ditulis dari nol; Bagian III mengikuti tiga keluarga algoritma, yaitu ID3 dan C4.5, CART beserta pohon regresi, serta CHAID dan pohon inferensi bersyarat; Bagian IV mengendalikan pertumbuhan dengan kriteria berhenti, pemangkasan, dan penanganan data hilang serta kelas yang timpang; Bagian V membaca pohon dengan hati-hati, mengerjakan studi kasus utuh pada data sensus adult, lalu menunjuk ke pohon optimal, pohon oblik, bagging, hutan acak, dan boosting. Buku ini ditujukan bagi mahasiswa, dosen, dan praktisi yang ingin memahami pohon keputusan lebih dari sekadar memanggil pustaka, dengan prasyarat pengertian peluang dan rata-rata, sedikit kalkulus, serta kemampuan membaca Python. Urutannya tetap: intuisi dan gambar lebih dahulu, lalu bukti, lalu kode dari nol, baru pembandingan dengan scikit-learn. Setiap bab memuat kotak Jebakan Umum dan latihan tanpa komputer. Kode pendampingnya boleh dipakai siapa pun untuk keperluan apa pun, termasuk komersial.
Pohon keputusan sering diajarkan sebagai model pertama dan ditinggalkan sebagai model pertama pula. Beberapa baris kode sudah menghasilkan pohon, lalu perhatian pindah ke hutan acak atau boosting. Namun, di balik pohon yang sederhana itu tersimpan pertanyaan yang tidak sederhana: mengapa entropi ...
Discover more
Rate this ebook
Tell us what you think.
Reading information
Smartphones and tablets
Install the Google Play Books app for Android and iPad/iPhone. It syncs automatically with your account and allows you to read online or offline wherever you are.
Laptops and computers
You can listen to audiobooks purchased on Google Play using your computer's web browser.
eReaders and other devices
To read on e-ink devices like Kobo eReaders, you'll need to download a file and transfer it to your device. Follow the detailed Help Center instructions to transfer the files to supported eReaders.
