Klasifikasi Data dengan Learning VectorQuantization

Oleh : mulkan.ms@gmail.com

http://softscients.blogspot.com

Learning vector quantization, Setelah penulis membuat versi di java, kini dilakukanporting kedalam platform .Net 4.0 yaitu C# karena C# untuk melakukan komputasiarray dalam jumlah besar, lumayan lebih cepat.

Mengenal LVQ yaitu algoritma non linear yang bekerja untuk melakukan klasifikasisupervisi sehingga kita harus mempunyai input dan target yang telah diketahuisebagai bahan untuk mencari nilai bobot yang optimal

Aturan LVQ agar berbeda dengan backpropagation yaitu lebih simple tidakmenggunakan fungsi aktifasi, tapi yang lebih penting adalah bobot awal yangdigunakan harus tepat

Misalkan

Saya mempunya 6 paramater dengan 16 data sample untuk diklasifikan menjadi

Maka matrix bobot nya yaitu

Misalkan kita mempunyai data berikut

LOGIKA OR

P{1} itu artinya parameter 1 dan 2

T itu target, dalam hal ini angka 2 mewakili true dan 1 mewakili false

Sehingga dalam kasus logika boolean OR ada 2 kelas dan 2 parameter dengan 4sample data yang digunakan

Maka

Field Jumlah Parameter diisi dengan 2 kemudian klik Buat Tabel Latih

Isi Tabel Latih kemudian klik Load Data

Isikan tabel Bobot

Setelah semua nya selesai! Klik Latih

Akan menghasilkan

Pada tahap ini, anda selesai melakukan proses pelatihan

Kemudian pilih tab Pengujian

Untuk melakukan pengujian, isilah Tabel Uji kemudian klik Uji

Menghasilkan

Semuanya telah berjalan dengan baik

Mari kita uji dengan data-data yang lainnya, misalkan pada contoh berikut (biasa nyapenulis menggunakan Kmeans clustering untuk menentukan centroid nya! TapiKmeans cocok untuk kasus 2 dimensi atau 3 diakan sulit). Misalkan kita mempunyai 3 klasifikasi data yaitu

Agar lebih mudah, kita plotkan saja ke versi 2 dimensi yaitu

Terlihat bahwa secara ploting, terdapat 3 pusat data, bagaiamana LVQ dapatmembantu kita??

data yang lainnya, misalkan pada contoh berikut (biasa nyapenulis menggunakan Kmeans clustering untuk menentukan centroid nya! TapiKmeans cocok untuk kasus 2 dimensi atau 3 dimensi, lha kalau multidimensi ituakan sulit). Misalkan kita mempunyai 3 klasifikasi data yaitu

Agar lebih mudah, kita plotkan saja ke versi 2 dimensi yaitu

Terlihat bahwa secara ploting, terdapat 3 pusat data, bagaiamana LVQ dapat

data yang lainnya, misalkan pada contoh berikut (biasa nyapenulis menggunakan Kmeans clustering untuk menentukan centroid nya! Tapi

mensi, lha kalau multidimensi itu

Terlihat bahwa secara ploting, terdapat 3 pusat data, bagaiamana LVQ dapat

Silahkan buka aplikasi pada tab Pelatihan

Klik Label Import CVS

Buka data (carilah file dengan nama data3.csv)

Agar lebih mudah nya! Klik Isi Bobot Acak agar Bobot nya terisi secara acak

Kumudian, klik Latih untuk proses pelatihan

Bila terdapat pesan

Sebaik nya ubah bobot nya lagi!

Misalkan penulis mengubah ke bobot

0,0

0,0

0,0

0,0

Kemudian klik Latih lagi, akan menghasikan

Yaitu

Nah, anda siap menggunakan untuk proses Pengujian jika perlu, contoh berikut

Terlihat bahwa LVQ dapat klasifikasi dengan baik.

FAQ:

T: Bagiamana saya bisa mendowload contoh file biner dan contoh *.csv nya

J: Silahkan kirim email ke mulkan.ms@gmail.com atauhttp://softscients.blogspot.com untuk mendapatkan link di dropbox.com mengenaibiner application dan *.csv nya

T: Bagaimana saya mendapatkan tutorial step by step mengenai LVQ serta sourcecode nya?

J: silahkan kirim email untuk penjelasan lebih lanjut

T: Bisakan saya pesan aplikasi tersebut untuk dilakukan kustomisasi untuk risetatau project

J: bisa dipesan