BEDUG MERIAH Diskon 95%
Belajar Data 6 BULAN Bersertifikat hanya Rp150K!

0 Hari 4 Jam 6 Menit 30 Detik

Implementasi Array Python pada Machine Learning

Belajar Data Science di Rumah 21-Juni-2022
https://dqlab.id/files/dqlab/cache/39fa2d127a1ec5a4990736d0d7f7ae0b_x_Thumbnail800.jpg

Kecerdasan buatan adalah bagian dari ilmu komputer yang bekerja dengan bantuan mesin. tapi di sini mesin bekerja dengan cara yang cerdas seperti manusia. dan pembelajaran mesin adalah inti dari AI yang dengan bantuan array memberikan hasil yang lebih baik. Array Python adalah penyimpanan banyak elemen data dengan tipe yang sama menggunakan satu nama. di sini elemen bisa berupa nilai atau variabel. 


Array memiliki dimensi yang berbeda. Sebenarnya, array memiliki tipe dasar struktur data. array membantu dalam mengklasifikasikan data dengan cara yang halus. mereka memungkinkan akses umum ke elemen yang membantu dalam menuduh elemen lebih cepat. array memiliki kapasitas penyimpanan yang sangat baik yang membantu array untuk bekerja lebih baik.


Teknologi modern seperti AI dan pembelajaran mesin menunjukkan pertumbuhan eksponensial. yang membuat peran array lebih penting di sini karena badan data dasar dalam pembelajaran mesin adalah array. karena elemen data dari tipe yang sama disimpan dalam array. mereka digunakan untuk pengorganisasian CPU. struktur data seperti tumpukan, antrian, tumpukan, dll digunakan dalam perangkat operasi. mereka juga digunakan untuk mewakili teks dan dihitung pada dokumen dan gambar.


Dalam bahasa yang lebih sederhana, kita dapat mengatakan bahwa array adalah segala jenis daftar objek, objek-objek ini telah diberi nomor yang disebut nomor indeks. Digunakan untuk menemukan elemen data dalam array.


Nah bagaimana implementasi array pada machine learning untuk membentuk kecerdasan buatan?


1. Perluasan Array

Dalam kebanyakan kasus, array dapat dialokasikan ke ukuran tetap pada waktu proses, atau Sahabat DQ dapat menghitung batas atas yang andal. Dalam kasus di mana Sahabat DQ membutuhkan larik untuk diperluas tanpa batas, Sahabat DQ dapat menggunakan larik yang dapat diperluas seperti kelas vektor di pustaka templat standar (STL) C++. Array reguler di Matlab juga dapat diperluas, dan array yang dapat diperluas adalah dasar dari seluruh bahasa Python. 


Dalam struktur data ini, ada dua bagian "meta-data" yang disimpan di samping nilai data aktual. Ini adalah jumlah ruang penyimpanan yang dialokasikan untuk struktur data dan ukuran sebenarnya dari array. Segera setelah ukuran larik melebihi ruang penyimpanan, ruang baru dialokasikan yang ukurannya dua kali lipat, nilai disalin ke dalamnya, dan larik lama dihapus.


Ini adalah operasi O(n), di mana n adalah ukuran array, tetapi karena hanya terjadi sesekali, waktu untuk menambahkan nilai baru ke akhir sebenarnya diamortisasi ke waktu konstan, O(1). Ini adalah struktur data yang sangat fleksibel dengan penyisipan rata-rata cepat dan akses cepat.


Array yang dapat diperluas sangat baik untuk menyusun struktur data lain yang lebih kompleks dan membuatnya dapat diperluas. Misalnya, untuk menyimpan matriks jarang: sejumlah elemen baru dapat ditambahkan ke bagian akhir dan kemudian diurutkan berdasarkan posisi untuk membuat lokasi lebih cepat.


Baca juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python


2. Linked List 

Linked List terdiri dari beberapa node yang dialokasikan secara terpisah. Setiap node berisi nilai data ditambah pointer ke node berikutnya dalam daftar. Penyisipan, pada waktu yang konstan, sangat efisien, tetapi mengakses nilai lambat dan sering membutuhkan pemindaian melalui banyak daftar.

Daftar tertaut mudah disatukan dan dipisahkan. Ada banyak variasi: misalnya, penyisipan dapat dilakukan di kepala atau ekor; daftar dapat ditautkan ganda dan ada banyak struktur data serupa berdasarkan prinsip yang sama seperti pohon biner, di bawah ini.

python

3. Pohon biner

 Pohon biner mirip dengan daftar tertaut kecuali bahwa setiap simpul memiliki dua penunjuk ke simpul berikutnya, bukan hanya satu. Nilai di anak kiri selalu lebih kecil dari nilai di simpul induk, yang pada gilirannya lebih kecil dari anak kanan. Dengan demikian, data dalam pohon biner secara otomatis diurutkan. Baik penyisipan dan akses rata-rata efisien pada O(log n). Seperti daftar tertaut, mereka mudah diubah menjadi array dan ini adalah dasar untuk pengurutan pohon.

python



4. ‹‹Pohon seimbang atau balanced tree

Jika data sudah diurutkan, pohon biner kurang efisien pada O(n) kasus terburuk karena data akan ditata secara linier seolah-olah itu adalah daftar tertaut. Sementara pengurutan dalam pohon biner dibatasi, itu tidak berarti unik dan daftar yang sama dapat diatur dalam banyak konfigurasi berbeda tergantung pada urutan penyisipannya. 


Ada beberapa transformasi yang dapat diterapkan pada pohon agar lebih seimbang. Pohon self-balancing melakukan operasi ini secara otomatis untuk menjaga akses dan penyisipan pada rata-rata yang optimal.


python


Baca juga: Array Python : Array VS List Serupa Namun Tak Sama, Yuk, Kenali Perbedaannya


Belajar Python Machine Learning sederhana dengan sign up dan login melalui DQLab Academy! Yuk nikmati kemudahan belajar tanpa ribet melalui live code editor DQLab. Belajar sambil buat portfolio dengan modul DQLab! 

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login