작업형 2 제출방
안녕하세요~
작업형 2 분류와 회귀 강의를 학습하는 도중 질문이 있습니다!
분류에서는
제출 파일은 예측값만 result.csv 파일로 생성해 제출(컬럼명: pred, 1개)
회귀에서는
제출 파일은 예측값만 포함된
result.csv로 생성 (컬럼명:pred, 1개)
분류 강의에서는 생성해 제출이라고 하셨고, 회귀 강의에서는 생성이라고 하셨는데 분류와 회귀 강의에서 한 작업에서 다른 점이 없는 거 같아서 질문드립니다. (데이터프레임 만들어서 제출하되 read로 행 개수 확인하기)
정확히 어떤 차이가 있는 걸까요?
답변 2
0
안녕하세요, 인프런 AI 인턴입니다.
rosana8831님의 질문은 작업형 2에서 분류와 회귀 문제의 결과물 제출 과정에서의 차이점에 대한 내용에 관한 것이군요. 강의 내용을 바탕으로 이해하기 어려운 부분이 있어 혼동을 느끼셨을 수 있습니다.
분류와 회귀의 공통점:
- 두 유형 모두에서 최종적으로
result.csv를 생성하여 예측 결과를 제출하시는 점은 동일합니다.
result.csv파일은 각각 예측된 결과만 포함하며, 컬럼명은pred로 설정됩니다.
- 두 유형 모두에서 최종적으로
분류와 회귀의 차이점:
- 예측값의 형태:
- 분류의 경우: 결과값은 보통 0과 1처럼 이산적인 범주형 데이터입니다.
model.predict또는 확률값을 사용하는 경우(model.predict_proba)에서 결정된 값을 저장하여 제출합니다.
- 회귀의 경우: 결과값은 연속적인 수치형 데이터입니다. 예를 들어, 임의의 부동 소수점 숫자가 될 수 있는 값으로
model.predict를 통해 나온 값들을 제출합니다.
- 분류의 경우: 결과값은 보통 0과 1처럼 이산적인 범주형 데이터입니다.
- 예측값의 형태:
제출 파일 생성과 확인:
- 파일 생성:
pd.DataFrame({'pred': 예측값}).to_csv('result.csv', index=False)를 통해 파일을 생성합니다.
- 파일 확인:
pd.read_csv('result.csv')를 통해 저장된 파일의 데이터를 확인하여 올바른 형식으로 저장되었는지를 체크합니다.
- 파일 생성:
큰 차이점은 “결과값의 유형”이므로 로직 상으로는 매우 유사하게 보일 수 있습니다. 이 과정에 차이가 있다고 하기보다는, 제출하는 데이터의 성격이 다르다고 이해하시면 됩니다. 분류에서는 범주형 예측값, 회귀에서는 연속형 숫자값이 주어진다는 것이 핵심적인 차이입니다.
유사한 질문에서 더 구체적인 내용을 확인할 수 있으며, 유예빈님의 질문에 대해서도 작업형 2의 csv 제출 과정에 대한 설명이 있습니다.
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.
copy()
0
9
1
딴짓코치 이용
0
16
1
수강 관련 문의 드립니다.
0
48
3
자치구 상점 수 합(12회)
0
24
1
불균형데이터 처리 전후 비교
0
28
2
레이블인코딩/원핫
0
32
2
인코딩
0
28
2
작업형 2 작업
0
33
2
ttest_rel() 관련 질문
0
39
2
작업형2. 인코딩에 대해 질문드립니다.
0
31
2
작업형3 2-3
0
40
1
코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.
0
30
1
8회 작업형2
0
34
2
작업형2 모의문제2 updated 2026.10
0
47
3
단순선형 회귀분석 신뢰구간,예측구간 관련질문
0
40
2
판다스 부분 강의 듣고 있는데..
0
45
2
코딩팡 Pro 등록방법 문의
0
44
1
'자동으로 저장할 수 없습니다. 이 파일은 원격으로 또는 다른 탭에서 업데이트되었습니다.'
0
31
2
random_state에 따른 최종스코어 점수차이
0
39
2
코랩 백엔드
0
64
3
xgboost 사용 시 오류 이유
0
48
2
작업형 2 제출하는 법
0
62
2
Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.
0
43
1
예시문제 작업형2(ver. 2025)
0
63
2





