casual 과 registered 를 drop하는거에 관해 질문이 있습니다.
144
작성한 질문수 2
안녕하세요! 올려주신 노트북을 따라하던 와중에 causual과 registered가 쓸모있을 수도 있는 정보라 생각해 삭제하지 않았습니다. 이 경우 교재에 나와 있듯이 rmsle, rmse등 모든 오류값들이 극히 작게 나오면서 예측을 저해시킵니다. 왜 그런거죠?
그렇다면 예약 이용자와 비예약 이용자 정보는 예측에 불필요한 쓸모없는 값인가요?
감사합니다.
답변 1
0
안녕하십니까,
예약 이용자와 비예약 이용자 정보는 feature로 볼수가 없습니다. 예약 이용자와 비예약 이용자를 합치면 우리가 찾고자 하는 예약 사용자가 되기 때문입니다. 즉 casual + registered는 타겟값이 됩니다. casual과 registered는 target값으로 봐야 하므로 학습에서 feature로 사용해서는 안됩니다.
감사합니다.
안녕하세요 열심히 수강중인 학생입니다
0
59
2
정수 인덱싱
0
67
2
넘파이 오류
0
83
2
11강 numpy의 axis 축 질문 드립니다.
0
84
2
Kaggle 에서 Santander customer satisfaction data 를 다운로드 되지가 않습니다.
0
76
2
Feature importances 를 보여주는 barplot 이 그래프로 안보여져요.
0
68
2
타이타닉 csv 파일이 주피터 화면에 보이지 않습니다.
0
74
2
타이타닉 csv 파일이 주피터 화면에 보이지 않습니다.
0
63
2
5강 강의 오류가 있어요.
0
82
1
실무에서 LTV 관련 모델 선택 질문입니다!
0
71
2
14강 강의 듣는중에 궁금한게 있어서 질문합니다~
0
68
3
파이썬 다운그레이 후 사이킷런 재설치
0
115
2
좋은 강의 감사합니다.
0
71
2
scoring 함수 음수값
0
66
2
6번 강의에 사이킷런, 파이썬, 아나콘다 각각 버전 일치 안 시키고 진행해도 강의 따라가 지나요?
0
98
2
분류 평가 정확도 예측
0
75
2
안녕하세요. 강의 들으면서 업무에 적용하고 싶은 수강생입니다.
0
97
1
카카오톡 채널 있나요
0
105
1
혹시 강의에서 사용하시는 ppt 받을 수 있는건가요
0
187
2
pca 스케일링 관련하여 질문드립니다.
0
100
2
주피터 대신 구글 코랩
0
170
2
강의에서 사용하는 pdf or ppt자료는 따로 없는 건가요?
0
145
2
실루엣 스코어..
0
83
2
float64 null 값 처리 방법
0
101
2