Metode yang digunakan Naive Bayes dan K-Means
-
Updated
Apr 24, 2020 - Jupyter Notebook
Metode yang digunakan Naive Bayes dan K-Means
Aplikasi Skripsi
Website Klasifikasi Dataset Iris menggunakan Flask, Python dengan object pencarian bunga.
Project ini bertujuan untuk membandingkan algoritma SVM sebelum dan sesudah dilakukan forward selection sebagai seleksi fitur untuk memprediksi kualitas air. Dataset yang digunakan berasal dari kaggle, Pada dataset tersebut terdapat 10 atribut yang terdiri dari 9 atribut ciri dan 1 atribut label, 9 atribut bebas diantaranya ph, hardness, solids,…
Berikut merupakan analisis klasifikasi dataset Iris menggunakan metode Decision Tree, SVM dan Logistic Regression.
Klasifikasi status gizi balita naive bayes berbasis web (flask)
Komparasi metode GLCM dan LBP dalam ekstraksi citra gambar dalam klasifikasi daging Sapi dan Babi menggunakna algoritma KNN
Analisis Sentimen Aplikasi PLN Mobile menggunakan Algoritma Decision Tree
Sistem analisa tingkat pemahaman pembelajaran siswa SMK menggunakan algoritma C.50 & decision tree pada masa covid-19
Klasifikasi bunga iris untuk melihat hubungan dengan fiteru dan targer untuk memberikan prediksi menggunakan jaringan saraf tiruan
mendeploy klasifikasi IRIS model
Tugas Dicoding Academy
Add a description, image, and links to the klasifikasi topic page so that developers can more easily learn about it.
To associate your repository with the klasifikasi topic, visit your repo's landing page and select "manage topics."