Klasifikasi Bunga Iris: Membangun Model Machine Learning, Streamlit, dan Deployment ke Hugging Face Space
Jakarta - Kita akan membahas tentang pembuatan sampai dengan deployment model Machine Learning untuk klasifikasi. Dataset yang digunakan yaitu Bunga Iris. Pembuatannya melibatkan beberapa langkah penting, termasuk penggunaan framework Streamlit untuk membuat aplikasi interaktif, Exploratory Data Analysis (EDA) dengan library python ydata-profiling, dan deployment aplikasi menggunakan Hugging Face Space. Mari kita lihat lebih dalam tentang bagaimana cara pembuatannya.
Mengenal Dataset Iris
Pertama-tama, kita perlu memahami dataset Iris. Dataset ini terkenal dalam dunia Machine Learning dan memiliki tiga kelas target: Setosa, Versicolor, dan Virginica. Tujuan kita adalah membangun model yang dapat mengklasifikasikan bunga Iris ke salah satu dari tiga kelas ini berdasarkan fitur-fitur mereka.
Membuat Aplikasi Streamlit
Saya memilih framework Streamlit untuk membuat aplikasi interaktif yang memungkinkan pengguna untuk menguji model klasifikasi secara langsung. Dengan Streamlit, pengguna dapat memasukkan nilai fitur dan melihat hasil prediksi dengan mudah.
Exploratory Data Analysis (EDA)
EDA adalah langkah kunci dalam memahami dataset. Saya menggunakan ydata-profiling, sebuah alat yang kuat untuk menganalisis dataset dengan cepat. Ini membantu saya memahami statistik dasar, distribusi fitur, dan pola dalam data Iris.
Melatih dan Mengevaluasi Model
Setelah EDA, saya membagi dataset menjadi data training dan testing. Saya melakukan komparasi beberapa algoritma klasifikasi yang sesuai untuk melatih model dengan data training. Kemudian, saya mengevaluasi kinerja model untuk mencari yang terbaik menggunakan metrik yang relevan.
Deploy di Hugging Face Space
Langkah terakhir adalah mendeploy model dan aplikasi Streamlit di Hugging Face Space. Ini memungkinkan akses mudah untuk pengguna lain yang ingin menguji model atau melihat hasilnya.
Berikut ini merupakan tampilan aplikasinya:
Silakan download untuk source code dibawah ini atau ingin clone dari existing Hugging Face Space:
Kesimpulan
Pembuatan model Machine Learning ini menggabungkan beberapa teknologi dan tools dalam Machine Learning, dari penggunaan dataset hingga deployment aplikasi. Semoga artikel ini membantu Kalian dalam pembuatan model Machine Learning Anda sendiri.
Terima kasih sudah membaca, dan semoga proyek Anda juga sukses!
Join the conversation