from sklearn.preprocessing import RobustScaler cols = ['Age','AnnualIncome', 'FamilyMembers', 'ChronicDiseases',] for col in cols: scaler = RobustScaler() train[col] = scaler.fit_transform(train[col]) test[col] = scaler.fit_transform(test[col]) train ValueError: Expected a 2-dimensional container but got <class 'pandas.core.series.Series'> instead. Pass a DataFrame containing a single row (i.e. single sample) or a single column (i.e. single feature) instead. 로버스트 스케일러를 라벨인코딩처럼 for 문으로 사용안되는 것인가요? 에러가 발생하네요
custom id를 drop 하지 않고 검증 데이터 분리해서 랜덤포레스트 하면 could not convert string to float: 'CUST0734' 이러한 에러메시지가 뜨더라구요. 무조건 drop을 진행해야 하는건지.. 어쩔때 drop하고 어쩔때 안하는건지 비교가 가능할까요?
안녕하십니까 기출2 작업형 1번 - 1번문제에서 문제 : (1)주어진 데이터셋(members.csv)의 'views' 컬럼 상위 10개 데이터를 상위 10번째 값으로 대체한 후 (2)'age'컬럼에서 80 이상인 데이터의 'views' 컬럼 평균값 구하기 코드: import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/members.csv") df.head(5) df = df.sort_values('views',ascending=False) df.head(10) #min = df['views'][:10].min() min_value = df['views'].head(10).min() #print(min_value) = 9690 df.iloc[:10,-1] = min_value #print(df.head(11)) cond = df['age'] >= 80 =(K) print(df[cond]['views'].mean()) 문제에서 크게 (1), (2)를 구하라고 하는것 같은데 시험에서 답안을 제출할때 최종적으로 (K)부분에만 print 붙여서 제출하는게 맞을까요? Q2. 실제 시험장에서 문제를 보았을때 import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/members.csv") 이런 setting이 되어있나요, 아니면 문제의 데이터위치를 보고 직접 코드를 쳐야하나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 강의수업 반복 수강 후에, 모의고사나 실제 기출문제 보는게 나을까요? 아니면 모의고사, 기출문제 까지 일단 같이 반복 하는게 나을까요? 그리고 작업형 3은 버리고, 1,2 위주로 학습 해도 괜찮을까요? 비전공자에다가 노베이스라서 선택과 집중 해야할거 같아서요.
ID,Segmentation 열로 최종 제출해라고 했는데 한가지 방법으로 풀기 강의에는 Segmentation만 pop으로 처리하고 1열 index 2열 pred 를 대입해서 제출을 해서요, 이와 같이 제출해도 무관한건지 궁금합니다. 그리고, 푸는방식도 바뀌는게 있을까요? 아래와 같이 하니 오류가 나는데 한가지 방법으로 풀기 방식으로 풀이가 가능할까요? target1=train.pop( 'Segmentation' ) target2=train.pop( 'ID' ) submit=pd.DataFrame({ 'ID' :target2, 'Segmentation' :pred})
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 시험환경에서 적응하려고 연습중인데, run하고 실행결과 창에서 칼럼이름 같은것을 그대로 복사해서 코드에 쓰려니까 복사가 안되요, 원래 그런가요??
안녕하세요 강의에서, data info를 확인하고 여러 숫자형, 문자형이 존재하였는데 문자형은 무시하고 숫자형만을 , 또 어떤 숫자에 대한 스케일링 없이 학습을 하였는데 이것은 강의를 위해 축소한 것인가요 혹은, 이것만 해도 충분한것인가요? 또한 실전에서 스케일링, 문자형 숫자형 선택 파라미터 수정, 모델선택등 모두 고려하면 수많은 비교를 해야할것 같은데, 실전에서는 모든걸 비교할 시간이 주어지나요? 혹은 시험자가 임의로 판단하여 어떤 데이터는 별로 영향이나 필요없어 보일거 같다는 판단하에 특정 컬럼을 배재하거나 스케일링은 생략하거나 하나요? 감사합니다. 모든
회귀분석 강의에서 범주형 변수가 있을 때 1) 그냥 ols 돌려도 된다 2) 원핫인코딩 한 담에 ols 돌려도 된다 라고 말씀 주시는 것 같습니다. 근데 또, 다른 강의에선 formula 생성 시 범주형 변수 일 때 C로 감싸라고 하시기도 하셨어서 조금 헷갈리는 것 같습니다. 어떤 차이가 있는지요 ?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 sklearn.metrics 안에 root_mean_squared_error이 있던데 이거로 rmse 구하면 안되는건가요?
70%의 데이터를 추출하는 과정에서 그냥 df[:int(len(df)*0.7)을 한 것과 df.loc[int(len(df), : ]과 결과값에 차이가 존재하는 걸 확인했습니다. 왜 차이가 발생하는지 알 수 있을까요? 이전 작업까지의 결과물은 수치가 정상적으로 나오는 것을 확인했습니다. df[:int(len(df)*0.7) 의 경우 df.loc[int(len(df), : ]
안녕하세요 선생님, 1) ID 삭제 여부 ID는 삭제해도 되고, 삭제 안해도 무방하며 이 경우 가중치가 낮게 적용이 된다고 답변 주신 것을 보았습니다. 그런데 모의문제1번과 2번을 풀어보니 ID를 포함하여 학습시켰을 때 성능 점수가 높더라구요...^^;; 무슨 연관이 있을까요..? 시험에서도 ID 포함해도 문제가 되지는 않겠지요? 2) 회귀 성능 기준 r2 점수가 0.18이 나왔는데 이런 결과가 나와도 시험에서 점수 받는데 문제가 없을까요? 실무에서는 낮은 점수라고 볼 수 있을 것 같은데 성능을 높이기 위해 별도로 조치하지 않고 제출해도 되는지 궁금합니다.
