// studi kasus
Perbandingan model ML pada data nutrisi
Membandingkan 18 kombinasi model dan scaler; akurasi tertinggi 0,8975 (MLP).
Konteks
Proyek artificial intelligence dari portofolio lama saya. Di sana judulnya "Model Clustering".
Yang saya kerjakan
- Analisis korelasi fitur nutrisi (kalori, protein, lemak, karbohidrat) dengan heatmap. Korelasi terkuat ada di kalori dan lemak (0,69).
- Membandingkan MLP, SVC, KNN, Random Forest, dan Decision Tree (Gini/Entropy), masing-masing tanpa scaler, dengan StandardScaler, dan dengan MinMaxScaler.
- Mengukur akurasi, presisi, recall, dan F1 score.
Hasil
MLP dengan MinMaxScaler memberi akurasi tertinggi, 0,8975 (F1 0,8956). Decision Tree Entropy tanpa scaler paling rendah, 0,8125.