inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

작업형2 정리한 내용 확인 부탁드립니다 ㅜㅜ

74

김휘

작성한 질문수 1

0

###데이터전처리

(범주형 데이터 수 많은데 카테고리 다를 때 삭제, 비행기 문제 생각)

train = train.drop(‘컬럼명’, axis=1)

test = test.drop(‘컬럼명’, axis=1)

결측치 채우기 (범주형)

cond_o = ['범주형컬럼명1',‘컬럼명2’...]

train[cond_o]=train[cond_o].fillna("X")

test[cond_o]=test[cond_o].fillna("X")

결측치 채우기 (수치형, 0/중앙값/최소값/평균 등 데이터에 맞게)

cond_f = ['컬럼명1‘,’컬럼명2'...]

train[cond_f]=train[cond_f].fillna(0)

test[cond_f]=test[cond_f].fillna(0)

target = train.pop(‘타겟컬럼명’)

 

###인코딩

print(train.shape, test.shape)

train = pd.get_dummies(train)

test = pd.get_dummies(test)

print(train.shape, test.shape)

 

(범주형 카테고리 다르면 합쳐서 원핫인코딩 진행)

print(train.shape, test.shape)

concat = pd.concat([train,test])

concat_dummies = pd.get_dummies(concat)

n_train = len(train)

train = concat_dummies[:n_train]

test = concat_dummies[n_train:]

print(train.shape, test.shape)


###하이퍼파라미터

class_weight='balanced' : 타겟 데이터 불균형일 때 사용

max_depth : 3~7(분류) 7~12(회귀)

n_estimators : 200~600 (100단위)

learning_rate : n_estimators 와 반비례하게 사용 - 0.01~0.1 (랜덤포레스트에서 적용 안됨)



이렇게 정리해서 외워도 될까요??

하이퍼파라미터는 각각 어떤 상황에 사용해야 하는지 잘 모르겠습니다ㅠㅠ


python 머신러닝 빅데이터 pandas

답변 1

0

퇴근후딴짓

좋습니다 :) 다만

max_depth : 3~7(분류) 7~12(회귀)

n_estimators : 200~600 (100단위)


이것 튜닝 보다는 그대로 두시고

러이트지비엠과 랜덤포레스트 모델을 2개 비교해 보시죠!!

0

김휘

넵 감사합니다!!!

작업형2에서 데이터 분포를 확인하는 이유

0

17

2

10회 기출 작업형 2 문제

0

18

1

코딩팡 프로 인증

0

22

1

이번 강의 학습노트

0

18

2

캐글 질문

0

17

2

코딩팡 pro 관련

0

20

1

9번질문입니다.

0

22

2

시험에 대해서

0

21

2

12회 작업형 2

0

25

2

copy()

0

26

2

딴짓코치 이용

0

21

1

수강 관련 문의 드립니다.

0

62

4

자치구 상점 수 합(12회)

0

29

1

불균형데이터 처리 전후 비교

0

34

2

레이블인코딩/원핫

0

44

2

인코딩

0

43

2

작업형 2 작업

0

42

2

ttest_rel() 관련 질문

0

51

2

작업형2. 인코딩에 대해 질문드립니다.

0

39

2

작업형3 2-3

0

47

1

코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.

0

40

1

8회 작업형2

0

39

2

작업형2 모의문제2 updated 2026.10

0

54

3

단순선형 회귀분석 신뢰구간,예측구간 관련질문

0

48

2