학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 아래에서 df와 df를 두번써야하는 이유가 있을까요? 자치구 중 1위에 해당하는 데이터를 데이터에서 가져온다는 의미라고 설명하신 것 같아서요. n1 = len(df[df['자치구'] == top2[0]])
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요! 다음주 시험을 앞두고있습니다 ㅠ 비전공자이고 처음 응시하는 지원자입니다! 현재 강의올라온 기출문제는 다 풀어보았고 커리큘럼 후반에 있는 작업형1 연습문제 40문항, 작업형2 연습문제 풀고있습니다!! 이거 다음으로 작업형3 풀고나서 일주일남은 상황에서 어떤식으로 남은 기간동안 학습하는걸 추천하시는지 여쭙고싶습니다…!! 현재는 코딩팡에 올라온 가이드라인 쭉 따라가며 12회 기출문제 복습을 생각중입니다
roc는 항상 순서가 0일확률,1일확률인걸까요? print(lg.classes_) 이 코드써서 어떤 순서대로 적혀있는지 확인하는게 꼭 필요한지 궁금합니다.. 문제에서 1일 확률을 구하라고했으면 pred[:,1]이라고 항상 똑같이 적으면 되는건지 궁금해서 여쭤봅니다 최대한 외울 코드를 줄이고싶어서요..ㅎㅎ
데이터 수가 너무 작으면 전체 데이터로도 학습 하라고 말씀하셨던 내용 질문입니다. 최종 결과를 그럼 전체데이터 학습으로 쓰라는 말씀이신가요? 아니면 train, val 나누는 코드도 쓰고 다 저장하고 그 뒤에 강사님 강의노트처럼 맨 마지막에 또 lg 써서 전체데이터로 학습하고 다시 저장.. 이 코드도 같이 쓰라는 말씀이신건가요??
[작업형3] 9. 로지스틱 회귀 문제 질문 있습니다 독립변수 에는 모두 C() 를 씌우는걸로 알고있습니다 근데 로지스틱 문제에서는 따로 C() 를 안씌우던데 왜 그런가요? formula = "target ~ age + service + social + booked" 어떤 문제에서는 독립변수에 모두 C() 를 씌우고 어떤 문제에서는 C() 안씌워서 너무 헷갈려요...
안녕하세요, 빅분기 실기 준비하면서 강의 잘 듣고 있습니다. 다른게 아니라 레이블 인코딩 하면서 궁금한 점이 있는데 train 은 le.fit_transform(train[col]) 인데 test는 le.transform(test[col]) 인 이유가 있나요..? 둘 다 fit_transform으로 하면 안되는건가요? 여태 공부할 때 둘 다 fit_transform으로 했는데 이 코드에 둘이 라벨인코딩하는게 달라서 질문 남깁니다 ..🥲
#데이터 분리 X_tr,X_val,y_tr,y_val=train_test_split(train,target,test_size=0.2,random_state=0, stratify=target) #랜덤포레스트 rf=RandomForestClassifier(random_state=0, class_weight='balanced') #LGBM lg=lgb.LGBMClassifier(random_state=0,verbose=-1,class_weight='balanced') 위와 같이 코드를 적용하면 랜덤포레스트 점수가 더 높게 나옵니다. class_weight='balaced'는 불균형 데이터 일때만 적용해야하나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 오즈비 계산할때 numpy를 사용하는건 이해했는데 나이가 1 증가할때라는 부분은 크게 고려할 사항이 아닌건가요?
분류모델 예시 들어주실때는 아래와 같은 코드로 진행해주셨는데, 회귀모델은 조금 다른거 같아서요. 각각 다르게 써야하는걸까요? from sklearn.preprocessing import LabelEncoder for col in cols: le = LabelEncoder() train[col] = le.fit_transform(train[col]) #사전만들기 test[col] = le.transform(test[col]) #사전적용 (동일사전) train.head()
먼저 양질의 강의를 제공해주심에 매우 감사드립니다. 학습 도중 궁금한 부분이 있어서 문의드립니다 1) 범주형 변수 처리 a. 로지스틱 회귀분석 => 종속변수가 범주형, 독립변수는 수치형, 범주형 모두 상관 없음 b. 분산분석 => 종속변수는 수치형, 독립변수는 범주형 위와 같이 알고 있습니다. 코드를 불러와 학습시킬 때, 각 변수 앞에 C를 붙이는 것은 범주형 변수로 변환하기 위함으로 알고 있는데(변수 값이 숫자일 경우, 범주로 인식하지 않고 증감하는 숫자로 인식할 수 있기 때문이라고 알고 있습니다), 여기서 분산분석의 경우 어차피 독립변수가 모두 범주형이여야 하니 어떤 변수든 간에 앞에 C를 붙여도 되는 것인지요 로지스틱 회귀분석의 경우 독립변수가 수치형이거나 범주형일 수 있는데, 이 경우 숫자로 나온 데이터가 범주형 변수임을 확인하기 위해서 별도로 작업을 거쳐야 할까요? 만약 그렇다면 어떻게 확인할 수 있는지 궁금합니다. 2) copy()를 붙이는 이유 가끔 선생님께서 끝에 .copy()를 붙이는데 이걸 붙이고 안붙이고의 차이가 궁금합니다. 어떤 경우에 붙여야 하는지도 궁금하구요 3) 작업형 2 일단 제가 준비하는 모델은 랜덤포레스트와 lightgbm 을 준비하려고 하고 있습니다. a. 원핫 * 랜덤포레스트 b. 원핫 * lightgbm c. 레이블 * 랜덤포레스트 d. 레이블 * lightgbm 일단 이 4가지를 표준으로 잡고 준비를 하려는데, 혹시 여기서 추가로 다른 모델이나 방법을 추천해주실 수 있다면 추천 부탁드립니다! 2. 오브젝트 컬럼일 경우 인코딩 작업이 반드시 필요한데, train/test의 오브젝트 컬럼 속성값의 종류가 다를 때, 이걸 반드시 비교해야 인코딩 방법을 선택할 수 있다고 생각하는데 강의를 볼 때 이 부분을 강조하지 않으시는 것 같아서요. 이 작업은 반드시 필요한 작업이 맞는것이지요 ? 3. 기본 학습할 땐 스케일링 작업을 배웠는데 여태 몇 가지 문제풀이를 보면서 스케일링 작업을 반드시 진행하시지는 않는 것 같아서, 혹시 그 기준이 별도로 있는 것인지 궁금합니다. 4. 검증데이터 분리 시 stratify=target 을 하는 경우는 불균형 클래스일때, 랜덤 포레스트나 lightgbm에서 class_weight='balanced'를 선택하는 경우는 소수 클래스에 가중치를 주고 싶을 때 선택하는 걸로 알고 있습니다. 위처럼 불균형/소수 클래스일때 무엇을 적용하는 것이 효율적이다. 처럼 케이스를 분류해서 적용할 수 있다면 좋을 것 같은데.. 사실 경험이 많지 않다 보니 이걸 분류하기가 어렵습니다. 최근 회차일수록 작업형2 점수 산정 비율 구간이 촘촘해지는 걸로 알고 있어서.. 이러한 부분을 어떻게 정리해야 할지 궁금합니다 ㅠ 강의를 듣고 있지만, 내용이 방대하다 보니 제가 놓친 부분이 있을 수도 있을 것 같습니다. 혹시 제가 잘못 알고 있는 부분이 있다면 피드백 부탁드립니다. 감사합니다 :)