Belajar SKLearn Linear Regression



Library SKLearn menyediakan implementasi dari regresi linier. Pada latihan kali ini kita akan memprediksi harga rumah berdasarkan jumlah kamar.
Pertama kita mengimpor library yang diperlukan. Lalu buat data dummy menggunakan numpy array.


  1. import numpy as np

  2. import matplotlib.pyplot as plt

  3. #buat data jumlah kamar

  4. bedrooms = np.array([1,1,2,2,3,4,4,5,5,5])

  5. #data harga rummah. asumsi dalam dollar

  6. house_price = np.array([15000, 18000, 27000, 34000, 50000, 68000, 65000, 81000,85000, 90000])


Selanjutnya kita bisa mencoba menampilkan data tersebut dalam bentuk scatter plot. Jumlah kamar pada sumbu X adalah variabel independen dan harga rumah pada sumbu Y  adalah variabel dependen.


  1. # menampilkan scatter plot dari dataset

  2. %matplotlib inline

  3. plt.scatter(bedrooms, house_price)


Tampilan dari kode tersebut sebagai berikut.
2020043022040207468b0dbc0073eed758a4f10fd28dfe.png
Lalu pada cell berikutnya, kita bisa mulai melatih model kita dengan memanggil fungsi LinearRegression.fit() pada data kita.


  1. from sklearn.linear_model import LinearRegression

  2. bedrooms = bedrooms.reshape(-1, 1)

  3. linreg = LinearRegression()

  4. linreg.fit(bedrooms, house_price)


Terakhir kita bisa melihat bagaimana model kita menyesuaikan dengan data yang kita miliki dengan membuat plot dari model kita.


  1. plt.scatter(bedrooms, house_price)

  2. plt.plot(bedrooms, linreg.predict(bedrooms))


Hasilnya sebagai seperti di bawah ini
20200430220854df958b5b61338e32befd7688a7e67475.png
Model regresi linier adalah salah satu model machine learning yang paling sederhana. Model ini memiliki kompleksitas rendah dan bekerja sangat baik pada dataset yang memiliki hubungan linier. Jadi, ketika Anda menemui masalah yang terlihat memiliki hubungan linier, regresi linier dapat menjadi pilihan pertama sebagai model untuk dikembangkan

Komentar