Data Cleaning & Preprocessing
Penanganan nilai hilang, noise/outlier, inkonsistensi, normalisasi, diskretisasi (binning), binerisasi, dan reduksi dimensi dengan PCA.
- 01Pilihan ganda
Data pendapatan memiliki beberapa nilai hilang dan beberapa pelanggan berpendapatan sangat tinggi (outlier). Strategi imputasi yang paling tepat adalah …
- 02Pilihan ganda
Pelanggan berpendapatan sangat tinggi cenderung tidak mau mengisi kolom pendapatan. Mekanisme missing ini disebut …
- 03Pilihan ganda
Fungsi Pandas untuk diskretisasi equal-frequency adalah …
- 04Pilihan ganda
Mengapa normalisasi penting sebelum menjalankan KNN atau K-Means?
- 05Pilihan ganda
Atribut
member{silver, gold, platinum} sebaiknya di-encode dengan … - 06Pilihan ganda
Pada PCA, eigenvector dari matriks kovarians merepresentasikan …
- 07Pilihan ganda
Kapan parameter scaler (mis. mean & std) seharusnya dihitung?
- 08Hitung
Pendapatan minimum 2 juta dan maksimum 12 juta. Dengan normalisasi min-max ke [0, 1], berapa nilai baru untuk pendapatan 7 juta?
- 09Hitung
Rata-rata pendapatan 5 juta dan standar deviasi 2 juta. Berapa z-score untuk pendapatan 9 juta?
- 10Hitung
Data umur
[25, 30, NaN, 35, 200]. Jika NaN diisi dengan mean (dari nilai yang ada), berapa nilai pengisinya? - 11Hitung
Data harga terurut:
4, 8, 9, 15, 21, 21, 24, 25, 26, 28, 29, 34. Dengan binning equal-frequency 3 bin dan smoothing by mean, berapa nilai pengganti untuk data di bin 2? - 12Hitung
Umur minimum 18 dan maksimum 68 dibagi menjadi 5 bin equal-width. Berapa lebar tiap bin?
- 13Hitung
Matriks kovarians dua atribut adalah [[2, 1], [1, 2]] dengan eigenvalue 3 dan 1. Berapa persen varians yang dijelaskan komponen utama pertama?
- 14Uraian
Kamu menerima dataset pelanggan dengan: kolom kota ditulis tidak konsisten, umur ada yang 999 dan −5, 8% pendapatan kosong, dan ada 10 baris duplikat. Susun urutan langkah pembersihan beserta alasannya.