Tuning

Pedoman dilihat dari modul sklearn, bisa berubah nama atau pilihannya jika modul yang digunakan
programmer nanti berbeda. Tetapi tidak akan berubah banyak, mungkin akan menambah jumlah
tuningnya. Untuk Model Classification ditambahkan Logistik Regression.

1. Model Classification
a. Decision Tree
i. Number of Trees : (angka)
ii. Criterion : (pilih) gini or entropy
iii. Maximum Depth : (angka)
iv. Splitter : (pilih) best or random
v. Random Number Seed : (angka)
b. Random Forest
i. Number of Trees : (angka)
ii. Criterion : (pilih) gini or entropy
iii. Maximum Depth : (angka)
iv. Max Features : (pilih) auto or int or float or string or none
v. Random Number Seed : (angka)
c. Support Vector Machine
i. C : (angka)
ii. Kernel : (pilih) linear or poly or rbf or sigmoid or precomputed or callable
iii. Degree : (angka)
iv. Gamma : (pilih) scale or auto
v. Maximum Iterations : (angka)
vi. Random Number Seed : (angka)
d. Naïve Bayes
i. Prior : [(angka), (angka)]
ii. Var Smoothing : (angka)
e. Logistik Regression
i. C : (angka)
ii. Maximum Iteration : (angka)
iii. Tolerance : (angka)
iv. Fit Intercept : (pilih) TRUE or FALSE
v. Solver : (pilih) newton-cg or lbfgs or liblinear or sag or saga
vi. Multi Class : (pilih) ovr or multinomial or auto
vii. Penalty : (pilih) l1 or l2 or elasticnet or none
viii. Dual : FALSE or TRUE
ix. Random Number Seed : (angka)
2. Model Regression
a. Linier Regression
i. Fit Intercept : (pilih) TRUE or FALSE
ii. Normalize : (pilih) TRUE or FALSE)
b. Polynomial Regression
i. Fit Intercept : (pilih) TRUE or FALSE
 ii. Normalize : (pilih) TRUE or FALSE
3. Model Forecast
a. Moving Average
b. Exponential Smoothing
i. Trend : (pilih) add or mul or additive or multiplicative or None
ii. Damped : (pilih) FALSE or TRUE
iii. Seasonal : (pilih) add or mul or additive or multiplicative or None
iv. Random Number Seed : (angka)
c. ARIMA
i. AR = (angka)
ii. Diff = (angka)
iii. MA = (angka)
iv. Random Number Seed : (angka)
4. Model Clustering
a. K-Means
i. Number of Centroid/Cluster : (angka)
ii. Method for Initialization : (pilih) k-means++ or random
iii. Number Run with Different Centroid Seeds : (angka)
iv. Max Iteration : (angka)
v. Random Number Seed : (angka)
b. K-Median