Postingan

Menampilkan postingan dari Maret, 2018

Kmeans Simple Attitude Rstudio

Gambar
jalankan yang diberi fontBold: >library(datasets) > str(attitude) 'data.frame': 30 obs. of  7 variables:  $ rating    : num  43 63 71 61 81 43 58 71 72 67 ...  $ complaints: num  51 64 70 63 78 55 67 75 82 61 ...  $ privileges: num  30 51 68 45 56 49 42 50 72 45 ...  $ learning  : num  39 54 69 47 66 44 56 55 67 47 ...  $ raises    : num  61 63 76 54 71 54 66 70 71 62 ...  $ critical  : num  92 73 86 84 83 49 68 66 83 80 ...  $ advance   : num  45 47 48 35 47 34 35 41 31 41 ... > summary(attitude)      rating        complaints     privileges       learning         raises         critical        advance     Min.   :40.00   Min.   :37.0   Min.   :30...

Kmeans Rstudio

Gambar
> library(datasets) > head(iris)   Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1          5.1         3.5          1.4         0.2  setosa 2          4.9         3.0          1.4         0.2  setosa 3          4.7         3.2          1.3         0.2  setosa 4          4.6         3.1          1.5         0.2  setosa 5          5.0         3.6          1.4         0.2  setosa 6          5.4      ...

RStudio Naive Bayes by IRIS

install.packages("lattice") install.packages("ggplot2") install.packages("caret") install.packages("e1071")  install.packages("klaR") install.packages("MASS") library("lattice") library("ggplot2") library("caret") library(datasets) data(iris) summary(iris) x = iris[,-5] y = iris$Species model = train(x,y,'nb',trControl=trainControl(method='cv',number=10)) ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ > model Naive Bayes  150 samples   4 predictor   3 classes: 'setosa', 'versicolor', 'virginica'  No pre-processing Resampling: Cross-Validated (10 fold)  Summary of sample sizes: 135, 135, 135, 135, 135, 135, ...  Resampling results across tuning parameters:   usekernel  Accuracy   Kappa   FALSE      0.9533333  0.93     TRUE      0.9600000  0.94  Tuning parameter 'fL' was held constant at a value ...