Modul ini membahas evaluasi model terlebih dahulu, sebelum modul-modul tentang jenis model, karena pemilihan model kelak memerlukan cara menilai kinerja yang dapat dipercaya. Pembahasan mencakup metrik regresi, metrik klasifikasi, confusion matrix, ROC dan AUC, serta cross-validation. Semuanya dipraktikkan dengan scikit-learn pada dataset kecil.
Evaluasi Model
Modul evaluasi: metrik regresi dan klasifikasi, confusion matrix, ROC/AUC, serta cross-validation.
0/0 selesai
- Metrik Regresi
MAE, MSE, RMSE, dan R-squared beserta cara memilih dan membacanya dengan jujur.
- Metrik Klasifikasi
Akurasi, presisi, recall, dan F1 beserta konteks yang menentukan metrik mana yang penting.
- Confusion Matrix
Membaca confusion matrix untuk memahami jenis kesalahan prediksi secara jujur.
- ROC dan AUC
Kurva ROC dan AUC sebagai evaluasi klasifikasi yang tidak terikat satu ambang.
- Cross-Validation
Cross-validation k-fold dan stratified beserta alasan pemisahan tunggal dapat menipu.