Repositori ini aku buat sebagai catatan pribadi untuk belajar dan eksperimen berbagai teknik machine learning.
Isinya berfokus pada dua pendekatan utama: supervised learning dan unsupervised learning, dengan tujuan memahami cara kerja model dan perbandingan hasil antar-metode.
Repo ini aku pakai untuk:
- Melatih pemahaman konsep dasar machine learning lewat contoh langsung.
- Menganalisis cara model mempelajari pola dari data.
- Melihat perbedaan performa antara pendekatan supervised dan unsupervised.
Berisi eksperimen dengan beberapa model yang umum digunakan untuk prediksi atau klasifikasi:
- Linear Regression → untuk memahami hubungan linier antar variabel dan dasar evaluasi seperti MSE, RMSE, dan R².
- Decision Tree → dipakai karena mudah dibaca dan membantu memahami cara model mengambil keputusan berbasis kondisi.
- Random Forest → digunakan untuk membandingkan hasil model ensemble terhadap model tunggal seperti Decision Tree, serta melihat peningkatan akurasi dan stabilitas.
Bagian ini berfokus pada analisis data tanpa label:
- K-Means Clustering → untuk membagi data ke dalam kelompok (cluster) dan memahami struktur tersembunyi di data.
- PCA (Principal Component Analysis) → digunakan untuk mereduksi dimensi data sekaligus memvisualisasi pola dengan lebih sederhana.
Setiap eksperimen ditulis dalam bentuk notebook agar mudah dipelajari dan direplikasi.
Repo ini akan terus aku kembangkan seiring peningkatan pemahaman tentang data preprocessing, evaluasi model, dan visualisasi hasil.
by yuza