Proyek ini menunjukkan bagaimana klasifikasi bunga iris menggunakan scikit-learn
dengan menggunakan algoritma random forest. Contoh implementasi di link ini.
├── .github # Folder untuk konfigurasi GitHub Actions
│ └── workflows # Folder untuk definisi workflow CI/CD
│ ├── docker.yml # Workflow untuk build dan deploy Docker ke Github Package
│ └── static.yml # Workflow untuk build dan deploy web ke Github Pages
├── .gitignore # File untuk mengabaikan file dan folder dari Git
├── LICENSE # File lisensi proyek
├── README.md # File README untuk dokumentasi proyek
├── data # Folder untuk data
│ └── raw
│ └── Iris.csv # Dataset Iris dalam format CSV
├── environment.yml # File konfigurasi conda environment
├── models # Folder untuk model yang sudah dilatih
│ └── model.onnx # Model ONNX yang sudah dilatih
├── notebook # Folder untuk notebook Jupyter
│ └── classification.ipynb # Notebook untuk klasifikasi
└── web # Folder untuk implementasi di web
├── .gitignore # File .gitignore khusus untuk folder web
├── Dockerfile # File Dockerfile untuk membangun image Docker
├── README.md # README khusus untuk bagian web
├── index.html # File HTML utama untuk aplikasi web
├── package-lock.json
├── package.json # File konfigurasi npm untuk dependensi
├── postcss.config.js # Konfigurasi PostCSS
├── public # Folder untuk aset publik
│ ├── background.jpg
│ ├── model.onnx # Model ONNX (juga di folder models)
│ └── vite.svg
├── src # Folder untuk kode sumber
│ ├── main.ts # File utama TypeScript
│ ├── style.css # File CSS untuk styling
│ └── typescript.svg # Logo TypeScript
├── tailwind.config.ts # Konfigurasi Tailwind CSS
├── tsconfig.json # Konfigurasi TypeScript
└── vite.config.ts # Konfigurasi Vite
-
Clone repositori ini:
git clone https://github.com/izzalDev/iris-classification.git cd iris-classification
-
Instal Conda:
Ikuti petunjuk pada halaman instalasi Conda untuk menginstal Conda di sistem Anda. Conda adalah manajer paket yang membantu Anda mengelola dependensi untuk proyek Anda.
-
Buat dan aktifkan virtual environment Conda:
Buat virtual environment Conda baru berdasarkan file
environment.yml
yang disediakan dan aktifkan:conda env create -f environment.yml conda activate iris-classification conda env config vars set MLFLOW_TRACKING_PASSWORD=password
Ini akan menginstal semua dependensi yang diperlukan untuk proyek.
Setelah Anda menyelesaikan langkah-langkah instalasi, Anda dapat mulai menggunakan dan memodifikasi notebook yang sudah ada.