D1 cabang
Persiapan data & eksperimen
Split data dulu, baru hitung statistik preprocessing dari data train saja. Kebiasaan ini mencegah data leakage, kesalahan paling sering di proyek ML.
URUTAN BELAJAR
- train/validation/test & stratifikasi
- k-fold
- imputasi & scaling dari train
- encoding kategori
- shuffle & mini-batch
HASIL YANG DISIMPAN
Pipeline split + preprocessing yang bisa dijalankan ulang.
CEK PEMAHAMAN
Tunjukkan bahwa mean/std untuk scaling berasal dari train, dan label test tidak ikut memilih model.
Soal
Soal untuk topik ini menyusul.