- Beranda
- Komunitas
- Tech
- Programmer Forum
Seleksi Feature untuk Meningkatkan Akurasi Dataset
TS
aktis
Seleksi Feature untuk Meningkatkan Akurasi Dataset
Tulisan ini diambil dari : http://www.softscients.web.id/2019/0...ingkatkan.html
Berbicara analisis data, maka tahap paling penting yaitu feature selection yang berguna untuk ‘membuang’ data yang tidak ada korelasinya, sehingga akan meningkatkan keakuratan data dalam melakukan prediksi.
Untuk contoh simplenya ada di link berikut
http://www.softscients.web.id/2017/1...ction-for.html
Bahwa paramater/feature volume tidak signifikan terhadap kelas/target dari group. Pada postingan kali ini, kita akan menggunakan analisis korelasi. Secara sederhana, korelasi dapat diartikan sebagai hubungan antara dua variabel yang bersifat kuantitatif.
Lebih lanjut ke Ref: http://ciputrauceo.net/blog/2016/5/1...macam-korelasi
Untuk dataset yang digunakan yaitu https://www.kaggle.com/uciml/breast-...wisconsin-datayaitu terdiri dari 31 feature untuk membedakan 2 kelas/target untuk Diagnosis jaringan payudara yaitu M (malignant) dan B (Benign). Kita akan memberikan 2 perlakuan yaitu tanpa ada seleksi fitur dan dengan seleksi fitur. Seperti biasa, kita akan menggunakan Python, pandas, dan Numpy, Sklearn, untuk melakukan hal tersebut, lebih lanjut ke
http://www.softscients.web.id/2018/1...on-dengan.html
#DATASET
Seperti biasa, dataset diatas disajikan menggunakan Pandas, kita akan mengubah beberapa hal yaitu
1. Menghilangkan kolom id, karena tidak digunakan
2. Mengubah kolom diagnosis dari M dan B menjadi 1 dan 0
Code:
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.preprocessing import LabelEncoder
data = pd.read_csv('data.csv')
data = data.iloc[:,1:-1] #remove kolom id
label_encoder = LabelEncoder()
data.iloc[:,0] = label_encoder.fit_transform(data.iloc[:,0]).astype('float64') #mengubah value diagnosis menjadi 1 dan 0
Menyiapkan parameter dan target
Code:
paramater = data.iloc[:,1:-1]
target = data.iloc[:,0]
Split dataset dengan 0.2 atau 20% sebagai data test, sisanya 80% sebagai data training
Code:
x_train, x_test, y_train, y_test = train_test_split(paramater.values, target.values, test_size = 0.2)
#TANPA ADA SELEKSI FITUR
Untuk teknik clustering yaitu SVC support vector clustering [url]http://www.scholarpedia.org/article/Support_vector_clustering; https://arxiv.org/abs/1804.10905[/url]
Code:
svc = SVC() # The default kernel adalah gaussian kernel
svc.fit(x_train, y_train)
prediction = svc.predict(x_test)
print("Akurasi:",metrics.accuracy_score(y_test, prediction))
Menghasilkan
Code:
Akurasi: 0.6403508771929824
#DENGAN SELEKSI FITUR
Kita akan menghitung matrix correlation
Code:
#menghitung correlation
corr_matrix = paramater.corr().abs()
Pahami bahwa data yang digunakan, adalah matrix segitiga atasnya
Code:
#ambil matrix segitiga atas
upper = corr_matrix.where(np.triu(np.ones(corr_matrix.shape), k=1).astype(np.bool))
Temukan nama kolom dengan nilai diatas 0.9
Bila menggunakan excel sebagai berikut
Maka kolom dengan tanda merah, akan dihapus
Code:
#temukan feature dengan correlation diatas 0.9
to_drop = [column for column in upper.columns if any(upper[column] > 0.9)]
for ls in to_drop:
paramater=paramater.drop([ls],axis=1)
Berikut nama feature yang dibuang
Dengan clustering SVC seperti diatas
Code:
x_train, x_test, y_train, y_test = train_test_split(paramater.values, target.values, test_size = 0.2)
svc = SVC() # The default kernel adalah gaussian kernel
svc.fit(x_train, y_train)
prediction = svc.predict(x_test)
print("Akurasi:",metrics.accuracy_score(y_test, prediction))
Menghasilkan
Code:
Akurasi: 0.9473684210526315
Tingkat akurasi data jauh meningkat dari semula 0.64 menjadi 0.94
Ref:
[url=https://S E N S O R@mehulved1503/feature-selection-and-feature-extraction-in-machine-learning-an-overview-57891c595e96]https://S E N S O R@mehulved1503/feature-selection-and-feature-extraction-in-machine-learning-an-overview-57891c595e96[/url]
Kode Lengkap untuk Tanpa Seleksi Fitur
Code:
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.preprocessing import LabelEncoder
from sklearn.svm import SVC
np.random.seed(123)
data = pd.read_csv('data.csv')
data = data.iloc[:,1:-1] #remove kolom id
label_encoder = LabelEncoder()
data.iloc[:,0] = label_encoder.fit_transform(data.iloc[:,0]).astype('float64') #mengubah value diagnosis menjadi 1 dan 0
paramater = data.iloc[:,1:-1]
target = data.iloc[:,0]
x_train, x_test, y_train, y_test = train_test_split(paramater.values, target.values, test_size = 0.2)
svc = SVC() # The default kernel adalah gaussian kernel
svc.fit(x_train, y_train)
prediction = svc.predict(x_test)
print("Akurasi:",metrics.accuracy_score(y_test, prediction))
Dengan Seleksi Fitur
Code:
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.preprocessing import LabelEncoder
from sklearn.svm import SVC
np.random.seed(123)
data = pd.read_csv('data.csv')
data = data.iloc[:,1:-1] #remove kolom id
label_encoder = LabelEncoder()
data.iloc[:,0] = label_encoder.fit_transform(data.iloc[:,0]).astype('float64') #mengubah value diagnosis menjadi 1 dan 0
paramater = data.iloc[:,1:-1]
target = data.iloc[:,0]
#menghitung correlation
corr_matrix = paramater.corr().abs()
#ambil matrix segitiga atas
upper = corr_matrix.where(np.triu(np.ones(corr_matrix.shape), k=1).astype(np.bool))
#temukan feature dengan correlation diatas 0.9
to_drop = [column for column in upper.columns if any(upper[column] > 0.9)]
for ls in to_drop:
paramater=paramater.drop([ls],axis=1)
x_train, x_test, y_train, y_test = train_test_split(paramater.values, target.values, test_size = 0.2)
svc = SVC() # The default kernel adalah gaussian kernel
svc.fit(x_train, y_train)
prediction = svc.predict(x_test)
print("Akurasi:",metrics.accuracy_score(y_test, prediction))
nona212 memberi reputasi
1
2.9K
1
Guest
Tulis komentar menarik atau mention replykgpt untuk ngobrol seru
Urutan
Terbaru
Terlama
Guest
Tulis komentar menarik atau mention replykgpt untuk ngobrol seru
Komunitas Pilihan