Memproses Category Data
Dalam memproses suatu dataset, kita harus memperhatikan jenis-jenis data agar tidak terjadi kesalahan proses.
Salah satu jenis data yang akan dibahas dalam artikel kali ini adalah: Categorical Data.
Mari kita lihat dataset dari project sebelumnya berikut ini:
Terlihat jelas bahwa Age dan Salary adalah jenis Numberical Data, sedangkan Country dan Purchased termasuk Categorical Data.
Daftar Isi
- Python / Spyder
- R / RStudio
Python / Spyder
Buka Anaconda Navigator, lalu buka Spyder
Lanjutkan project sebelumnya tentang Data Preprocessing 03
ENCODE KOLOM COUNTRY
Tambahkan kode berikut ini:
Eksekusi kode diatas, sekaligus cek nilai X terbarunya seperti ini:
Dibandingkan dengan nilai X sebelumnya:
Perhatikan bahwa sekarang value dari kolom Country telah berubah:
- France = 0
- Spain = 1
- Germany = 2
Tentu, angka 0, 1, dan 2 ini seharusnya tidak membuat Germany lebih baik dari Spain, dan Spain lebih baik dari France bukan?
Itu sebabnya kita masih harus melakukan proses selanjutnya: Dummy Encoding / One Hot Encoding
Tambahkan kode berikut:
Eksekusi kode tersebut, lalu lihat nilai X terbaru:
Agar lebih enak dilihat, lihatlah nilai X dari variable explorer
Jika dibandingkan dengan value awal kolom Country, adalah sebagai berikut:
ENCODE KOLOM PURCHASED
Seperti yang sudah dijelaskan diatas, ada 2 kolom yang jenisnya categorical data, yaitu Country dan Purchased.
Tambahkan kode berikut untuk meng-encode kolom Purchased:
Eksekusi kode tersebut, lalu cek nilai Y terbaru:
Kita pun bisa memeriksanya lewat variable explorer:
Catatan: Hasil encode kolom Purchased ini tidak perlu diproses lagi dengan OneHot Encoder, karena tidak ada kerancuan antara label “Yes” dan “No”
R / RStudio
Buka RStudio
Lanjutkan project sebelumnya tentang Data Preprocessing 03
Tambahkan kode berikut ini:
Eksekusi kode tersebut, lalu lihat isi dataset terbaru
Lakukan hal yang sama untuk kolom Purchased
Eksekusi kode tersebut, lalu lihat isi dataset terbaru