Setelah ketiga model ensemble diuji menggunakan data testing, hasil evaluasi menunjukkan bahwa Gradient Boosting (GBM) memberikan performa keseluruhan terbaik dengan akurasi tertinggi dan kemampuan sangat baik dalam menghindari false positives (specificity tertinggi). Random Forest unggul dalam mendeteksi kasus positif (sensitivity tertinggi), menjadikannya paling efektif untuk identifikasi pasien berisiko. Sementara itu, XGBoost memberikan hasil stabil namun sedikit di bawah dua model lainnya. Secara umum, GBM dipilih sebagai model terbaik pada dataset ini karena memberikan keseimbangan performa paling optimal.

about Shinny app https://sannygarinjr.shinyapps.io/Course_Project_DS_Dev_Data_Products/

Studenci poznają R — język programowania statystycznego, który umożliwia bardziej zaawansowane podejście do analizy danych niż tradycyjne pakiety statystyczne. Nauka R powiązana będzie ściśle z powtórzeniem, ugruntowaniem i rozszerzeniem podstawowej wiedzy statystycznej

HW7