ghebyon / tucil02-stima Goto Github PK

Implementasi Convex Hull untuk Visualisasi Tes Linear Separability Dataset
dengan Algoritma Divide and Conquer

Project berisi Library myConvexHull dalam bahasa Python yang dapat mengembalikan convex hull dari kumpulan data 2 dimensi (dapat dianggap kumpulan titik 2 dimensi). Himpunan titik pada bidang planar disebut convex jika untuk sembarang dua titik pada bidang tersebut (misal p dan q), seluruh segmen garis yang berakhir di p dan q berada pada himpunan tersebut. Kompleksitas rata-rata mencari Convex Hull dengan menggunakan algoritma Divide and Conquer adalah O(n*log(n)), sedangkan dalam kasus terburuk kompleksitas rata-ratanya adalah O(n^2)

Data set yang diimplementasikan :

• python
• math
• numpy
• matplotlib
• pandas
• random
• sklearn

1. Copy Paste bagian dibawah

   # Load Dataset
   data = datasets.load_<nama_data_set>() # diisi oleh nama data set
   df = pd.DataFrame(data.data, columns=data.feature_names)
   df['Target'] = pd.DataFrame(data.target)
   
   # Plot 
   plt.figure(figsize = (10, 6))
   plt.title('... vs ...') 
   plt.xlabel(data.feature_names[x]) # x diisi oleh salah satu index atribut
   plt.ylabel(data.feature_names[y]) # y diisi oleh salah satu index atribut
   for i in range(len(data.target_names)):
       bucket = df[df['Target'] == i]
       bucket = bucket.iloc[:,[x,y]].values # x dan y seperti yang diatas
       hull = myConvexHull(bucket)
       plt.scatter(hull.myPoints[:, 0], hull.myPoints[:, 1], label=data.target_names[i], color=colors[i])
       for simplex in hull.convexHullRelation:
           plt.plot(hull.myPoints[simplex, 0], hull.myPoints[simplex, 1], colors[i])
   plt.legend()
   

2. Run Program