Mengimport libraries :
Pandas
Numpy
Matplotlib
Seaborn
3.
Menampilkan
data dalam
bentuk
dataframe
4. Klasifikasi
malignant dan
benign dalam
dataset
5. Membuat
matriks target
dan prediktor
6. Membuat
training dan
testing data
7. Mengimport
SVM algoritma
8. Membuat
matriks
confusion
9. Normalisasi
data
10. Melakukan
testing dari
normalisasi
data
Hasil akurasi Akurasi : (66 + 0)/(66+48+0+0)*100% = 0,58%
sebelum Presisi : (66)/(66+48)*100% = 0,58%
Normalisasi Recall : (66)/(0+66)*100% = 100%
Hasil akurasi Akurasi = (66+47)/(66+47+1+0)*100% = 0,99%
setelah Presisi = (66)/(66+1)*100% =0,99%
Recall = (66)/(66+0)*100% = 100%
Normalisasi
Terimakasih