Wahh luar biasa sangat membuka wawasan karna saya sangat bingung awalnya pak. Makasih banyakk, Jadi kesimpulannya semakin kecil nilai distance maka semakin dekat jarak antara 2 point tersebut ya pak?
Izin bertanya pak, kalau ada set point (1.6, 0.628, 9.077) dan (2.2, 1.555, 5.088) apakah cara menghitungnya sbb: = √(2.2 - 1.6)^2 + (1.555-0.628)^2 + (5.088-9.077)^2 ? Terimakasih, btw videonya sangat jelas :)
Halo kak izin bertanya, satuan jarak untuk data yang sudah di standarisasi apa ya? Jika data yang dihitung satuannya sama kan maka satuan jaraknya juga sama. Namun jika datanya sudah di standarisasi gimana ya?
standardisasinya apa dulu ya? Kalau misal hanya mengurangi dengan rata-rata, maka satuannya tidak berubah. Tapi kalau diubah skalanya, berarti satuan berubah. Namun biasanya setelah diproses, satuan itu sudah tidak dipedulikan lagi.
kalau ada data yang hilang, maka hal itu harus diproses terlebih dahulu. Ada banyak metode untuk penanganan missing value sebelum melanjutkan dengan proses di sini.
kak mau nanya apabila kasus ini terjadi pada klasifikasi text : k=5 p jarak 2 p jarak 7 n jarak 5 n jarak 6 kan ini masih baru ambil 4 tetangga tuh , nah pas mau ambil tetangga ke 5, jaraknya sama tapi label yang berbeda, jadi itu gimana ambil yang mana? ini dibawah daftar calon tetangga ke5 p jarak 2 n jarak 2
Ini implementasi di KNN ya? Sebenarnya diluar materi video tapi gak masalah. Untuk kasus KNN tersebut, ya memang harus diakui itu menjadi kelemahan KNN. Solusinya, bisa saja ditambah jumlah k-nya.
![[DeepLearning | видео 1] Что же такое нейронная сеть?](http://i.ytimg.com/vi/RJCIYBAAiEI/mqdefault.jpg)
![[DeepLearning | видео 1] Что же такое нейронная сеть?](/img/tr.png)
Masyallah tabarakallah mas berkah ilmunya👍
PPT yang sederhana, tapi penjelasan yang sangat powerfull..
Izin nyerap ilmunya mas.. 🙏
sam-sama :D
terima kasih bang 👍👍
Terima Kasih banyak atas edukasinya mas Canggih. Bener bener canggih memang, Sehat selalu mas!
siap. terimakasih :D
Sangat bermanfaat mas siip
terimakasih :D
Penjelasan yang bagus dan mendetail.. Terimakasih 😂🙏
terimakasih :D
Wahh luar biasa sangat membuka wawasan karna saya sangat bingung awalnya pak. Makasih banyakk,
Jadi kesimpulannya semakin kecil nilai distance maka semakin dekat jarak antara 2 point tersebut ya pak?
iya benar sekali.
Sama-sama, senang bisa membantu.
terima kasih pak akhirnya saya paham
sama-sama. Terima kasih juga
Izin bertanya pak, kalau ada set point (1.6, 0.628, 9.077) dan (2.2, 1.555, 5.088) apakah cara menghitungnya sbb:
= √(2.2 - 1.6)^2 + (1.555-0.628)^2 + (5.088-9.077)^2 ? Terimakasih, btw videonya sangat jelas :)
iya benar sekali. Jarak euclideannya seperti itu
Halo kak izin bertanya, satuan jarak untuk data yang sudah di standarisasi apa ya? Jika data yang dihitung satuannya sama kan maka satuan jaraknya juga sama. Namun jika datanya sudah di standarisasi gimana ya?
standardisasinya apa dulu ya? Kalau misal hanya mengurangi dengan rata-rata, maka satuannya tidak berubah. Tapi kalau diubah skalanya, berarti satuan berubah.
Namun biasanya setelah diproses, satuan itu sudah tidak dipedulikan lagi.
Bagaimana jika terjadi missing data atau data hilang, misal di salah satu atribut ?.
kalau ada data yang hilang, maka hal itu harus diproses terlebih dahulu. Ada banyak metode untuk penanganan missing value sebelum melanjutkan dengan proses di sini.
Kak kalau penurunan rumus yg 2 dimensi sampe dapat rimus euclidan yg sbenarnya bagaimana kk?
ada di video pada halaman 5. Intinya menggunakan hukum segitiga pitagoras
Kak mau tanya kenapa yg di cari A dan C? Lalu yg B dan D dihitung jg gak?
itu hanya sebagai contoh. Silakan untuk B dan D bisa dihitung sendiri. :D
kak mau nanya apabila kasus ini terjadi pada klasifikasi text :
k=5
p jarak 2
p jarak 7
n jarak 5
n jarak 6
kan ini masih baru ambil 4 tetangga tuh , nah pas mau ambil tetangga ke 5, jaraknya sama tapi label yang berbeda, jadi itu gimana ambil yang mana?
ini dibawah daftar calon tetangga ke5
p jarak 2
n jarak 2
Ini implementasi di KNN ya? Sebenarnya diluar materi video tapi gak masalah. Untuk kasus KNN tersebut, ya memang harus diakui itu menjadi kelemahan KNN. Solusinya, bisa saja ditambah jumlah k-nya.
@@canggihpw ohh begitu ya sudah jadi kelemahan Dari Knn, terima kasih kak atas pencerahannya