안녕하세요 강의구매 완료하여 자료신청드립니다tpgml0816@gmail.com 감사합니다

메일로 강의교안 보내주시면 감사하겠습니다.

안녕하세요, 강의 신청 완료했습니다. (결제 완료)아래 메일로 강의자료 보내주시면 감사하겠습니다.zzangzone91@gmail.com감사합니다.

안녕하세요. 따로 강의교안 다운로드 버튼이 안보여서강의 교안 요청드립니다smathj@naver.com 입니다 감사합니다  

강의교안 저도 부탁드립니다. riderkaman@gmail.com

이제막 강의를 듣기 시작하였습니다.자료요청드립니다. outofmtx@naver.com

안녕하세요. 강의 노트를 제공해 주실 수 있으면 부탁드립니다. 이제 막 수강했고 메일 주소는 wayirush@gmail.com 입니다. 감사합니다.

안녕하세요~오늘 강의 구매했습니다. 잘부탁드립니다.taedabomd@gmail.com감사합니다.

안녕하세요 지식 공유자님, 다름이 아니라 제가 제가 핸즈온 머신러닝 1판을 가지고있는데요, 혼자서 읽기엔 벅차서 집에 고이 모셔둔 상태로 몇년이 지났는데... 혹시 이 강의를 1판 책과 함께 들어도 진행하는데 크게 무리가 없을까요?

kaggle data 소개 및 분석에서 실습에 사용되는 train.csv와 test.csv가 블로그에서 알려준 구글 공유 폴더에 들어가도 전혀 보이지가 않습니다. 강의 이후에 삭제된 것 같은데요, Kaggle의 어느 자료인지 알려주시면 kaggle에서 직접 찾아 보도록 하겠읍니다.

강의자료 요청드립니다 hseum2124@gmail.com 으로 보내주시면 감사하겠습니다.

안녕하세요~이메일을 잘못 기재해서 다시 적습니다. 죄송합니다.강의자료 요청드립니다.감사합니다. 

안녕하세요~저도 ppt 부탁드립니다.cyj1024@gmail.com감사합니다.

저도 강사님이 사용하고 계신 강의 교안이 있으면 좋겠어요.. unicodaum@hanmail.net으로 부탁드립니다~~

11분 55초에서nan_abalone_df.mean()를 입력하면 아래와 같은 오류가 발생합니다. 선생님과 코드가 모두 동일한데 . 왜이럴까요.--------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-105-677ba292c7ae> in <cell line: 0>() ----> 1 nan_abalone_df.mean() 10 frames /usr/local/lib/python3.11/dist-packages/pandas/core/nanops.py in _ensure_numeric(x) 1684 if inferred in ["string", "mixed"]: 1685 # GH#44008, GH#36703 avoid casting e.g. strings to numeric -> 1686 raise TypeError(f"Could not convert {x} to numeric") 1687 try: 1688 x = x.astype(np.complex128) TypeError: Could not convert ['MMFMIIFFMFFMMFFMIFMMMIFFFFFMMMMFMFFMFFFMFFIIIIMFIFIMMFMFMMIFMMFMMMFFFIMFFMFFMFFFFMFMMFMMFFMMMFMMMMMFIMMMMFFFFFMMIMFFFMFMFIFMIIIIMMMFFIIFFMFMFFMMMFMIIIMFFFFMFMFFMFMFFMFFMFMFMFIIIIIMMMFFFMFFFFMMMIFMFMMMFMFFMFIIFIFMFMFMMIMFFFFFIFFIFFMMMIIIIIIIMIIIIIIIIIIMFFMMMMFFFFMIMFMMMFFMMMMMFMMFFIFMMFMFMFMFMFMIIIMMFFMMFIIMMMFMMFMIFMFIIIMIMIIMMIMFIIFMMMMFMFMFFMFIIMFFMMMMMFMFMFFFFMMFMFFFFFMFMFMFMMMMMFMMMIIMFIIIFMMMFMFFIFMMMMMMFMFFFMFMFIFIIMFMFFFMMMIMIIMMIIFIFFMMMFMFFFFMFIIFMFIIIIFMFMFFIFFMFMMMFMMFMFMFMFMMFMMFFFFMFFFFFMMMMIIFFMFMMMMFMFIMMMMFFMIFIFIIIMMFFFMMFMMMFIIIIIIIIFFIFIFFFMIIMFIIFFIFIFIFFIFIFIIFMFIFIFMIFIIFIFFIIIMIMMFMMIIMFMMMMIFFIFFFIMIFMIMMMMIFMIFMMIMMIFMIIMFMFFIFIIFFIFMFMFMFFMFFMFFFIMFMMMFFMMMIFMIIIMFFMFFMMMMFMIIMIMMIIIIIIMMMMFMFMFMMMMMMMFMMMFFFMFFMMMFMFFMMMFMMMFFMFMFMFFFIMMMMMMMFMMMIIMFMFFFFMMMMMMMFMMMIMMIFFFMFIIIIIIIIIIIIIIIIIIMIIIIIMIFIMFMMMMFFFMFMMMMFMMFFFFMFMFMFFMMFMFFMMFFFMMMMMFFFFFFMIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIFIIIIIIIIIIIIFMFMFMMMMFMMMMIMMFIMIMIIMMFMFMFFMFMMFFFFMMFMMMFFFMFMMMFFFMFMFMMMMFFFMFFFMFMMMMFFFMMFMFFMMMFFFMMFMFFMMMFFMMFFMIIIIIIIIIIIIIIIIIIIIIIIIIIIMIIIIIIIIIIIIMIIIIMIIIMFIFIIIMIIFIIMIIIIMMMFFMMMFMMMFMFIFFMFMIMMMMMMMFMMMFMFMFMMFMMMMFFMMFFMMMFMMFFMMFFMIFFMFMFMMMFFFMMFFMMFMMFFMFIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIFIIIFIIIIIIIIIIIIMIMIIIIIIIIIIIIIMIIIIIIFMFIIFIIIFMIIMIIIIIFIIFMMIIFMIMFFMMMFMMIMMMMIMMFFMMIFFMIMIFFMMMIMMFMMFMMFMMFFMFFFFIMIMMFFMMMMMMMFFMMFFMFMFFFFFMMFFMMFFFMFFFFFFIIIIIIIIIIIIIIMIIIMIMIIIII... 'length_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_longlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_shortlength_shortlength_shortlength_longlength_shortlength_shortlength_longlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_longlength_longlength_shortlength_shortlength_longlength_shortlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_shortlength_longlength_longlength_longlength_longlength_longlength_shortlength_longlength_longlength_longlength_longlength_longlength_longlength_longlength_shortlength_shortlength_shortlength_shortlength_shortlength_longlength_shortlength_shortlength_longlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_longlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlength_shortlen...

강의자료는 제공안되나요? 너무 잘 정리되어있어서 보면서 코딩하면 효율적일것같아서여.

 9장 추천시스템부터 듣고있는데 전에는 1.0.2버전 설치했다가 강의 들으면서 따라하는 도중 from sklearn.feature_extraction.text import CountVectorizer 가 임포트 안되는 오류가 계속되어서 scikit-learn 삭제 > 버전 지정 안하고 다시 설치 > 정상 작동 에러가 사라져서 좋긴하지만 다른 질문들을 찾아보니 버전은 강의대로 따라가는게 좋다고 하셔서 1.6.0 버전 사용여부 여쭤봅니다.

좋은 강의 감사합니다.말씀하신대로 특정 조건에 따른 데이터를 찾는거 말고 수정할 때는 반복문으로 만 제어가 가능할까요?temp[temp['job'].apply(lambda x : x in ['student','manager'])] = 'whitehand'이런식으로 하면 해당 row의 값 전체가 바뀌던데 job만 바꾸고 싶습니다.

(사진)

안녕하세요선형회기모델 강의 내용 중 12:42분 ppt에서 Sum of squared residual이 SS_res로 되어있는데, 이 용어에 대한설명이 관측값과 회기 예측값의 차이로 으로 되어있습니다. 그렇다면 이는 SSE(error sum of squares)와 동일한 것으로 수식이 (SS-res / SS_tot), 즉 SSE/SST 로 변경되어야 하지 않을까요?(SS_res와 SSE를 동일한 뜻으로 간주한다면)  하지만 현재 자료는 1- (SS_res/SST)로 되어있고, 이 케이스는 SS_res가 회기값과 관측값 평균의 차, 즉 regression sum of squares 와 동일한 의미로 설명되어 있습니다.아마 SSR(SS_res)의 용어와 SSR(regression sum of squares)의 용어 혼돈인것 같은데 작성하신 뜻에 의하면 "1-"부분이 삭제되어야 할것 같아서 문의 남깁니다. 확인부탁드립니다.