DECISION TREE

Berikut adalah penjelasan dari setiap kode R Anda:

Cuplikan kode
library (rpart)
library (party)
library (rattle)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan library rpart, party, dan rattle untuk melakukan analisis
decision tree. Library rpart menyediakan fungsi untuk membuat dan
memvisualisasikan decision tree model. Library party menyediakan fungsi untuk
melakukan analisis decision tree yang lebih kompleks, seperti regression tree dan
survival tree. Library rattle menyediakan graphical user interface (GUI) untuk
melakukan analisis decision tree.

Cuplikan kode
dim (Apple_Purchase_History_2_)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi dim() untuk mendapatkan dimensi dari dataset

Apple_Purchase_History_2_. Output dari fungsi dim() adalah vektor yang berisi dua
elemen, yaitu jumlah baris dan jumlah kolom dalam dataset.

Cuplikan kode
names (Apple_Purchase_History_2_)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi names() untuk mendapatkan nama-nama kolom dalam

dataset Apple_Purchase_History_2_.

Cuplikan kode
n <- round (nrow(Apple_Purchase_History_2_))
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi round() untuk membulatkan jumlah baris dalam dataset
Apple_Purchase_History_2_ ke bilangan bulat. Variabel n akan digunakan untuk
membagi dataset menjadi dataset train dan dataset test.

Cuplikan kode
nrow(Apple_Purchase_History_2_)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy
Anda menggunakan fungsi nrow() untuk mendapatkan jumlah baris dalam dataset
Apple_Purchase_History_2_.

Cuplikan kode
head(Apple_Purchase_History_2_)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi head() untuk menampilkan enam baris pertama dari
dataset Apple_Purchase_History_2_.

Cuplikan kode
dim(Apple_Purchase_History_2_)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi dim() untuk mendapatkan dimensi dari dataset

Apple_Purchase_History_2_.

Cuplikan kode
n<-round(nrow(Apple_Purchase_History_2_)*0.80)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi round() untuk membulatkan 80% dari jumlah baris dalam
dataset Apple_Purchase_History_2_ ke bilangan bulat. Variabel n akan digunakan
untuk membagi dataset menjadi dataset train dan dataset test.

Cuplikan kode
n<-nrow(Apple_Purchase_History_2_)*0.8
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi nrow() untuk mendapatkan jumlah baris dalam dataset
Apple_Purchase_History_2_ dan mengalikannya dengan 0.8 untuk mendapatkan
80% dari jumlah baris dalam dataset. Variabel n akan digunakan untuk membagi
dataset menjadi dataset train dan dataset test.

Cuplikan kode
n
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda mencetak variabel n untuk menampilkan jumlah baris yang akan digunakan
untuk dataset train.

Cuplikan kode
set.seed(123)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi set.seed() untuk mengatur seed untuk fungsi sample().
Hal ini dilakukan untuk memastikan bahwa dataset train dan dataset test selalu
sama setiap kali Anda menjalankan kode R Anda.

Cuplikan kode
samp <- sample(1 :nrow(Apple_Purchase_History_2_),n)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi sample() untuk mengambil sampel n baris dari dataset
Apple_Purchase_History_2_. Variabel samp akan berisi indeks dari baris-baris yang
dipilih.

Cuplikan kode
samp
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda mencetak variabel samp untuk menampilkan indeks dari baris-baris yang dipilih.

Cuplikan kode
data.train <- Apple_Purchase_History_2_
data.train <- Apple_Purchase_History_2_[samp,]
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda membuat dataset train baru dengan menggunakan baris-baris yang dipilih
pada variabel samp. Variabel data.train akan berisi dataset train.

Cuplikan kode
dim(data.train)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi dim() untuk mendapatkan dimensi dari dataset train.

Cuplikan kode
names (data.train)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi names() untuk mendapatkan nama-nama kolom dalam

dataset train.
Cuplikan kode
data.test <- Apple_Purchase_History_2_ [-samp,]
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda membuat dataset test baru dengan menggunakan baris-baris yang tidak dipilih
pada variabel samp. Variabel data.test akan berisi dataset test.

Cuplikan kode
dim(data.test)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi dim() untuk mendapatkan dimensi dari dataset test.

Cuplikan kode
library(rpart)
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan library rpart untuk melakukan analisis decision tree.

Cuplikan kode
fit <- rpart(data.train$'First Purchase'~.,data.train, method ="class")
Gunakan kode dengan hati-hati. Pelajari lebih lanjut
content_copy

Anda menggunakan fungsi rpart() untuk membuat decision tree model. Parameter
data.train$'First Purchase'