loading...

Senin, 31 Desember 2018

Python - Simple Adaptive Boosting


Bahasan mengenai apa itu adaptive boosting http://cmp.felk.cvut.cz/%7Esochmj1/adaboost_talk.pdf
Algoritma ini disesuaikan dengan persamaan umum dari adaboost yaitu



Sebelum membaca postingan ini, sebaiknya anda perlu tahu dasar-dasar python terlebih dahulu
http://www.softscients.web.id/2018/11/buku-belajar-mudah-python-dengan.html 


Cek Katalog di www.GrahaIlmu.id
http://grahailmu.id/Katalog-GrahaIlmu.xls
Judul: Buku Belajar Mudah Python dengan Package Open Source
ISBN : 978-602-5759-74-1
Buku ini memfokuskan diri tidak hanya membahas dasar-dasar bahasa Python tapi lebih luas lagi yaitu mengajak pembaca menggunakan package-package yang sudah default terinstal di Anaconda Navigator dan beberapa package tambahan terpisah yaitu
1.    Python
2.    IDE Spyder sebagai Editor
3.    Package Numpy untuk perhitungan array
4.    Package Matplolib untuk visualisasi grafis
5.    Package Pandas untuk pengolahan data terstruktur
6.    Package Scipy untuk pengolahan data statistika
7.    Package OpenCV (instal tersendiri)
Dapatkan di
https://www.bukalapak.com/p/hobi-koleksi/buku/komputer-487/wco01c-jual-belajar-mudah-python-dengan-package-open-source-mulkan-syarif-graha-ilmu

Berikut contoh data yang digunakan untuk kasus adaboost (2 masukan x dan y):

Kita plotkan menggunakan matlplotlib berikut


Berikut disajikan mengenai hasil error tiap iterasi

Berikut potongan kode yang sudah dtulis ulang ke dalam bahasa python menggunakan numpy dan matplotlib sebagai library nya

from matplotlib import pyplot as plt
import numpy as np
import library_adaboosting as ada

‘’’
Code -----
‘’’

data= np.array([[6,9],[2,7],[3,6],[2,2],[8,1],
                [7,5],[4,8],[9,5],[9,9],[9,4],    
                [7,4],[5,4]])
label = np.array([1,1,1,1,1,1,
                  -1,-1,-1,-1,-1,-1])
    
print('target\n',label)
threshold = np.arange(4,10,1)
iterasi = 100
[alpha,H,err] = ada.training(data,label,iterasi,threshold)
prediksi = ada.testing(data,alpha,H)
print('prediksi\n',prediksi)

plotdata(data,label)
ploterror(iterasi,err)

hasil
target
 [ 1  1  1  1  1  1 -1 -1 -1 -1 -1 -1]
prediksi
 [ 1.  1.  1.  1.  1.  1. -1. -1. -1. -1. -1. -1.]






Tidak ada komentar: