Model Klasifikasi (Naive Bayes)

 

Klasifikasi 

Beberapa Model Klasifikasi :

1.       Naïve Bayes (NB)

        Base Statistik, kemunculan suatu kelas dari data yang ada.

        Rumus :

        P(H\X) = P(x\H_/P(X) . P(H)

        Keterangan :

-                      X : Data dengan class yang belum diketahui

-                      H : Hipotesis data merupakan suatu class spesifik

-                      P(H\X) : Probabilitas hipotesis H berdasar kondisi X (posteriori probabilitas)

-                      P(H) : Probabilitas hipotesis H (prior probabilitas)

-                     P(X/H) : Probabilitas X berdasarkan kondisi pada hipotesis H

-                      P(X) : Probabilitas X

      Tahapan Algoritma Naïve Bayes :

•          Baca Data Training
•           Hitung Jumlah Class
•           Hitung Jumlah Kasus yang sama dengan class yang sama
•           Kalikan semua nilai hasil sesuai dengan data X yang dicari class-nya

     2.     K Nears Neighbords (KNN)

                Kedekatan dari data – data di sekitarnya.

    3.     Decision Tree (DT)

               Melakukan klasifikasi , tetapi kita membuat pilihan-pilihan seperti pohon. Bisa dua cabang             satu kedalaman atau bisa banyak

    4. Support Vector Machine (SVM)

                    Kerjanya kita membuat sebuah pemisah , pemisah ini berupa garis (plan) atau berupa bidang             (hyper plan). Dilihat dari titik titik pemisah di sekitar itu.

     5. Neural Network (NN)

                Mencari bobot. Mengadopsi saraf saraf otak.

            6. Ensemble Learning (EL)

               Menggabungkan beberapa model, seperti menggabungkan model Naïve Bayes dan K nears              Neighbords

        Klasifikasi output atau label kelasnya berupa kategorikal (binary atau multiclass).