Modul 4: ML Dasar: Regresi & Klasifikasi

Supervised learning = belajar dari contoh berlabel. Dua jenis utama: regresi (memprediksi ANGKA: harga rumah) dan klasifikasi (memprediksi KATEGORI: spam/ham). Data dibagi: data latih (model belajar) dan data uji (model dinilai pada data yang belum pernah dilihat).

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

X = [[30], [45], [60], [75], [90]]   # ukuran rumah (m2)
y = [300, 420, 560, 700, 820]        # harga (juta)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)

model = LinearRegression().fit(X_train, y_train)
print(model.predict([[50]]))  # prediksi harga rumah 50 m2

Output:
[461.11111111]

Klasifikasi dengan LogisticRegression atau DecisionTree: model belajar dari fitur (panjang teks, kata kunci) → label (spam/ham). scikit-learn menyeragamkan semuanya: model = Model().fit(X, y); pred = model.predict(X_baru). Ganti algoritma = ganti 1 baris.

Fitur menentukan segalanya: model hanya sebagus datanya. Langkah standar sebelum melatih: tangani nilai kosong, ubah kategori jadi angka (one-hot encoding), skala fitur numerik (StandardScaler) bila pakai model berbasis jarak.