inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

9회 기출유형(작업형3)

9회 기출 작업형3 문제1-3

해결된 질문

61

지은

작성한 질문수 12

0

선생님, 쌩초보입니다..너무 기초적인 질문일 수 있는데요,,

문제 1-3 에서는

data = test

라는 과정은 필요 없나요?

1-2 적합한 회귀모형을 사용하랬으니,

predict하는 과정만 있으면 된다고 이해하면 될까요

from statsmodels.formula.api import ols
model = ols("design ~ c1 + c2 + c4 ", data=test).fit()
print(model.summary())

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

네 맞습니다. 이어지는 문제여서 예측만 하면 됩니다!!

화이팅! 🙂

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 지은님.

작업형 문제에서 초보자에게는 헷갈릴 수 있는 부분이 있을 수 있습니다. 질문하신 내용에 대해 설명드리겠습니다.

일반적으로 머신러닝이나 통계 모델을 훈련시킬 때는 train 데이터셋을 이용하여 모델을 학습하고, test 데이터셋은 학습된 모델의 성능을 평가하거나 예측을 수행하기 위해 사용됩니다. 따라서 ‘data = test’라고 설정하는 것은 모델을 훈련하려는 경우에는 적절하지 않을 수 있습니다.

질문에 대한 핵심은, 일반적으로 모델을 훈련할 때 train 데이터셋을 사용해야 한다는 것입니다. 예시 코드는 회귀 모델을 적합시키는 부분이지만, data=test로 설정하게 되면 test 데이터셋을 사용하여 모델을 학습하게 되는 구조입니다. 따라서 test 대신 train 데이터셋을 사용하여 모델을 학습해야 하는 것이 일반적인 방법입니다.

이와 관련된 비슷한 질문을 참고할 수 있는 링크를 제공해 드리겠습니다:

  1. “작업형 2유형 질문” - 데이터셋 분리와 모델 학습에 관한 자세한 설명이 포함되어 있습니다.

  2. “1- 3 소문제 질문있습니다.” - train과 test 데이터의 활용 방안에 대한 유용한 질문과 답변이 있습니다.

이 자료들에서 변형된 데이터셋을 사용하는 방법과 모델의 기본적인 학습/예측 과정에 대한 이해를 얻으실 수 있을 것입니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

작업형2 모의고사3 자료 업데이트 요청

0

11

2

수강 연장가능여부 문의드립니다!

0

23

2

수강기간 연장 문의드립니다!

0

25

2

최빈값

0

22

2

수강 가이드라인

0

20

2

수강 연장 가능 여부 문의

0

40

2

강의 구매했는데 교재 필수일까요

0

27

2

수강기간 연장 가부 문의드립니다.

0

25

2

수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.

0

34

2

작업형2 모의문제2에서 drop이랑 인코딩

0

43

3

인코딩을 다 꼭 해봐야하는지

0

43

2

안녕하세요? 강사님 질문있습니다.(인코딩관련)

0

59

2

이진분류에서 양성 클래스가 0일 때 평가 방법

0

46

2

원핫인코딩 전 train과 test 병합여부

0

51

2

수강기간 연장

0

70

2

29강 작업2형의 이상치 처리

0

67

2

수강기간 연장 문의드립니다!

0

65

2

9월에 실기출제기준 개정내역에 신설된부분

0

56

1

작업형2 모의문제2 결과값 관련 문의드립니다.

0

67

2

12회차 시험 실패 후 13회 도전 예정입니다.

0

57

1

random_state 값

0

73

2

강의 연장 문의 드립니다.

0

68

2

강의 연장 문의

0

62

2

오징어게임

0

71

1