Section Unsupervised Learning berisi materi 7 chapter. Temukan struktur tersembunyi tanpa label: clustering dengan k-means, hierarchical, DBSCAN, evaluasi silhouette, serta reduksi dimensi PCA dan t-SNE.

# Konsep Unsupervised Learning

Pahami masalah tanpa label, karakteristik solusinya, dan tantangan menilai hasilnya.

Buka → # k-Means Clustering

Kelompokkan data berdasarkan pusat klaster dan pilih k dengan elbow serta silhouette.

Buka → # Hierarchical Clustering

Bangun hierarki klaster dengan agglomerative clustering dan dendrogram.

Buka → # DBSCAN

Temukan klaster berdasarkan kepadatan sekaligus mengenai label noise.

Buka → # Evaluasi Clustering dengan Silhouette

Ukur kualitas pemisahan klaster dan bandingkan hasil antar konfigurasi.

Buka → # Reduksi Dimensi dengan PCA

Proyeksikan data ke komponen utama untuk kompresi, visualisasi, dan penanganan multikolinearitas.

Buka → # t-SNE untuk Visualisasi Data Berdimensi Tinggi

Visualisasikan data berdimensi tinggi dalam dua dimensi dan pahami batas tafsirannya.

Buka →