🌸 Klasifikator Jenis Bunga IRIS 🌸

📖 Deskripsi Proyek

Proyek ini menggunakan dataset IRIS untuk mengklasifikasikan jenis bunga berdasarkan panjang dan lebar kelopak serta mahkota bunga. Algoritma yang digunakan adalah K-Nearest Neighbors (KNN), salah satu algoritma pembelajaran mesin yang sederhana dan efektif.

Dataset IRIS

Dataset ini mencakup 150 sampel, terbagi dalam tiga jenis bunga:

Iris-Setosa
Iris-Versicolor
Iris-Virginica

Setiap sampel memiliki empat fitur utama:

Panjang kelopak (sepal length)
Lebar kelopak (sepal width)
Panjang mahkota bunga (petal length)
Lebar mahkota bunga (petal width)

Dataset ini telah banyak digunakan dalam pembelajaran mesin untuk eksperimen klasifikasi sederhana.

🚀 Fitur Utama

Pengklasifikasian Jenis Bunga: Menggunakan data panjang dan lebar untuk memprediksi jenis bunga.
Implementasi Algoritma KNN: Model berbasis tetangga terdekat yang mudah dipahami dan diterapkan.
Akurasi Tinggi: Proses pelatihan dan prediksi dilakukan secara efisien dengan hasil yang andal.

📋 Spesifikasi Proyek

Tingkat Kesulitan: Mudah
Waktu Pelatihan: < 1 Detik
Penggunaan Memori: < 1 GiB

🛠️ Persyaratan

PHP
- Versi 7.2 atau lebih tinggi.
Composer
- Digunakan untuk instalasi library.
Library Pembelajaran Mesin
- PHP-ML untuk algoritma KNN.

⚙️ Instalasi

1. Kloning Repositori

Gunakan perintah berikut untuk menyalin proyek secara lokal:

git clone https://github.com/Fliw/MachineLearning_IRIS  
cd MachineLearning_IRIS

2. Instal Dependensi

Jalankan perintah berikut untuk mengunduh library yang diperlukan:

composer install

🧪 Pengujian

Jalankan file train.php dengan perintah berikut:
```
php train.php  
```
Hasil prediksi akan ditampilkan di terminal bersama tingkat akurasi model.

📚 Referensi

🏆 Lisensi

Proyek ini dilisensikan di bawah MIT License.

License

Fliw/MachineLearning_IRIS

ErrorLooks like something went wrong!

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Languages

Error
Looks like something went wrong!

Packages