Memulai Machine Learning dengan Scikit-Learn
Bahasa pemrograman yang banyak digunakan untuk mengembangkan machine learning adalah Python. Python menjadi sangat popular karena banyaknya library yang memudahkan mengembangkan machine learning sehingga lebih sedikit kode program diperlukan.
Salah satu library yg memudahkan untuk membuat machine learning adalah scikit. Menggunakan library ini memudahkan pemrograman karena lebih sedikit baris kode dibanding library lainnya seperti tensorflow atau numpy.
Scikit-Learn bisa digunakan untuk :
- Classification
- Regression
- Clustering
- Dimensionality Reduction
- Model Selection
- Preprocessing
Berikut adalah satu contoh baris kode menggunakan scikit
>>> from sklearn.neural_network import MLPClassifier >>> X = [[0., 0.], [1., 1.]] >>> y = [0, 1] >>> clf = MLPClassifier(solver=‘lbfgs’, alpha=1e-5, … hidden_layer_sizes=(5, 2), random_state=1) … >>> clf.fit(X, y) MLPClassifier(activation=’relu’, alpha=1e-05, batch_size=’auto’, beta_1=0.9, beta_2=0.999, early_stopping=False, epsilon=1e-08, hidden_layer_sizes=(5, 2), learning_rate=’constant’, learning_rate_init=0.001, max_iter=200, momentum=0.9, n_iter_no_change=10, nesterovs_momentum=True, power_t=0.5, random_state=1, shuffle=True, solver=’lbfgs’, tol=0.0001, validation_fraction=0.1, verbose=False, warm_start=False)
Akan menghasilkan output sbb untuk melakukan prediksi:
>>> clf.predict([[2., 2.]]) array([1])