ALGORITMA UNSUPERVISED LEARNING
ALGORITMA UNSUPERVISED LEARNING Unsupervised Learning adalah salah satu kategori dari machine learning di mana model dilatih pada data yang tidak memiliki label atau target. Tujuan utama dari Unsupervised Learning adalah untuk menemukan pola atau struktur yang mendasari data tanpa panduan dari label atau target yang telah ditentukan sebelumnya. Beberapa algoritma utama dalam Unsupervised Learning meliputi clustering, dimensionality reduction, dan association rule learning. Langkah - Langkah Algoritma Unsupervised Learning 1. Pengumpulan Data : Kumpulkan dataset yang relevan dan pastikan data tersebut bersih serta siap digunakan. Pastikan data memiliki variabel-variabel yang ingin dianalisis tanpa label atau target variabel. 2. Pra-pemrosesan Data : Pembersihan Data: Hilangkan nilai-nilai yang hilang, outliers, dan data duplikat. Normalisasi/Penskalaan: Ubah skala data agar berada dalam rentang yang sama (misalnya, menggunakan Min-Max Scaling atau Z-score normalization...
