- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 안녕하세요. 우선 머신러닝에 대해 알기쉽게 강의해 주셔서 감사합니다.저는 기계의 고장진단 및 예측을 위해서 머신러닝을 공부하고 있는 직장인 입니다.다름이아니라, 실습에서 다루는 데이터는 다양한 정보들이 1개의 파일에 있어, 학습 및 테스트를 진행하였습니다. 그러나, 전압,진동과 같이 물리적 데이터는 일정시간 동안 데이터를 계측하게 되고, 이러한 파일이 여러게 존재하게 됩니다.(첨부된 그림 참조)이렇게 데이터 취득시, 현실적으로는 고장데이터를 취득한 파일 전체의 레이블이 1(1이 고장이라 하면), 정상상태를 취득한 파일은 0이 되어야 합니다.이렇듯 다수의 파일, 1개의 파일 안에 시간순으로 측정된 다수의 데이터가 있을 경우, 학습 및 테스트를 하기위한 데이터 전처리 방법이 궁금합니다.수고하세요.

'LightGBM을 이용한 위스콘신 유방암 예측'을 보고 깃허브에서 다운한 예제를 런 시켜보고 있는데 세번째에서 오류가 뜹니다. fit()함수에 early_stopping_rounds는 쓸수 없다고 나옵니다. 그래서 파라미터명이 업데이트 되었나 싶어서 인터넷에 찾아보니까 LightGBM 페이지에서는 early_stopping_rounds, early_stopping_round, 둘다 가능하다고 나옵니다. 뭐가 문제인지 모르겠습니다.

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.이전 XGBoost 혹은 GBM 등에서 경사하강법에 대해서 이야기 되었을 때, 이때의 경사하강법은 확률적 경사하강법이 기반된 것이 맞을까요?

선생님, 안녕하세요?분류모델 성능 평가지표에서 roc_auc 에 대해 궁금한 점이 생겨 질문드립니다.threshold에 따라 roc_auc_score값 구하기sklearn.metrics.roc_auc_score(y_test, pred_proba) # pred_proba = model.predict_proba()위의 코드로 roc_auc값을 구하는 것으로 알고 있습니다.하지만, 위의 코드로 roc_auc값을 구하면, threshold에 따라 달라지지 않습니다.그렇다고 pred_proba대신 pred(pred = model.predict())를 사용하면 roc_auc값이 떨어집니다.threshold에 따라 roc_auc값을 어떻게 구하면 좋을까요? 최적의 threshold를 구할 때 어떤 성능 지표를 제일 최우선으로 봐야할지도 궁금합니다. 저는 지금 질병 진단 예측을 만들고 있어 재현율을 높이는게 중요하다고 생각하는데 roc_auc값도 중요하게 봐야할 것 같아 고민이 됩니다...pred_proba, pred 둘 중 어느 것으로 roc_auc값을 구하는게 맞나요? 일반적으로 사용되는 것이 무엇인가요?답변 부탁드리겠습니다.감사합니다 :)

i = 10 ~ 15를 넣고 계산하면 각각의 P값은 아래와 같이 나옵니다.[0.3486784401000001, 0.3486784401, 0.19177314205499993, 0.07670925682199997, 0.024930508467149986, 0.006980542370801994]그리고 전체 합을 구하면 대략 99.78%가 맞는것 같은데.. 확인 부탁드릴께요.감사합니다. 

4.9 실습에서1.처음 xgb_clf 객체를 생성할때, n_estimators 나 learning rate같은 파라미터 값들은 어떤값을 줘도 상관이 없을까요? 처음 분류기 모델을 생성할때 어떤값을 줘도 상관없는지 궁금합니다!그다음줄 코드 xgb_clf.fit(X_tr, y_tr, early_stopping_rounds=100, eval_metric='auc', eval_set=[(X_tr, y_tr), (X_val, y_val)]) 에서 eval_metric 을 이전 xgb실습때에는 'logloss'값을 줬는데 이번 실습에서는 roc_score를 평가지표로 사용한건가요? 학습을 시킬때, 어떤경우에는 평가지표를 어떤값을 줘야하는지 궁금합니다!목적함수 설정 부분에서 kfold방식으로 x_train을 나눈 이유가 궁금합니다!

마지막 부분에 X_train_poly 설명해주시는데 이게 모델학습하고 transform한 그냥 변수이름인건가요.영상에서 polyniaml 학습된 x라고 하셔서, 그냥 polynomfial변환하시고 데이터 학습시키신건지 헷갈리네요;

산탄데르 은행 고객 만족 예측 실습-1에서ID 컬럼을 드롭하는데 특별한 이유가 있으신가요. 식별자라고 해서 삭제한다고 영상에서 말씀하셨는데 이유가 궁급합니다.!

 파일을 받았는데 안열리는데 왜 그럴까요..? ㅠㅠ책으로는 군집화에서 소챕터 06입니다 ㅠㅠ

이 코드 왜 오류날까요 ㅠㅠㅠ 이런 식으로 오류가 나요 ㅠㅠㅠㅠㅠ

안녕하세요. 강의를 잘 듣고 있습니다.유익한 강의를 해주셔서 감사합니다.강의 자료는 다운 받을 수 없나요?

안녕하십니까 교수님 cluster 해석과 관련하여 질문이 있어 글을 작성하게 되었습니다. 각 cluster별로 명확하게 어떤 feature가 많이 고려되었다는 것을 확인할 수 있는 방법이 있을까요? clustering을 진행한 뒤 다음과 같은 방법으로 cluster를 해석하려 하였습니다.1) 군집화를 진행하여 0, 1, 2, 3 의 cluster가 도출됨2) cluster를 label 데이터로 하여 classification을 진행3) feature importance를 활용하여 기술적으로 cluster를 해석 여기서 질문드리고 싶은 점은.. 각 군집별로 feature importance를 도출할 방법이 없을까요? (또는 XAI등 다른 방법이 있을까요??)현재 feature importance는 cluster 0, 1, 2, 3을 모두 반영한 feature importance를 도출해 명확하게 cluster의 특징을 해석하기 어려운 것 같습니다.. 각 cluster별로 어떤 feature가 많이 고려되었다는 것을 확인할 수 있는 방법이 있는 지가 궁금합니다. 항상 감사드립니다.

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 선생님 보스턴 가격예측 데이터 임포트가 안돼요 ㅠㅠ 

빨간 네모박스 친 부분이 어떻게 유도되는지 모르겠습니다.odd function이라는게 f(-x) = -f(x)인 함수를 이야기하는건 이해 했는데, 그것으로부터 어떻게 해야 저 빨간 네모박스 친 부분의 식이 유도되는지는 이해가 안돼서 질문드립니다..

Geometric distribution에서 한번 수업해주신 기억이 있어서 더듬더듬 복습해보고 풀어보았는데저는 다른 값이 나오는데 어디서 오류를 범하고 있는지 모르겠습니다.. 혹시 한번 봐주실 수 있나요 ? 1 / 1-q가 나와야하는데 저는 자꾸 q / 1-q가 나오네요 ... 어디서 잘못된건지 혹시 도움 주실수 있는지 여쭤봅니다

HyperGeometric distribution인데 빨간 부분이(90)(18)이 맞지않나요?

안녕하십니까 선생님강의 수료하고도 부족한 부분이 많아 재수강하면서 문득 궁굼한 점이 생겨 글 남깁니다. 일전에 from sklearn.ensemble import StackingRegressor를 이용하여 메소드로 스태킹 모델에 관한 질문을 하기도 하였는데요. 베이스 모델의 하이퍼파라미터 튜닝을 진행하여 모델마다 5개의 매개변수를 튜닝하고 스태킹 모델에 베이스 모델로 사용할 경우 메타모델의 alpha값에 따른 예측 결과의 변화가 없을 수 있나요? 이상입니다.감사합니다.

안녕하세요. 좋은 강의 잘 듣고 있습니다.<신규> Recursive Feature Elimination과 SelectFromModel 실습 강의 부분에서svc = SVC(kernel="linear") # REFCV로 Feature들을 반복적으로 제거해가면서 학습/평가 수행. rfecv = RFECV(estimator=svc, step=1, cv=StratifiedKFold(2), scoring='accuracy', verbose=2) rfecv.fit(X, y) print("Optimal number of features : %d" % rfecv.n_features_)이 코드를 돌렸을 때 나오는 verbosity가 잘 이해되지 않아서 질문드립니다.Fitting estimator with 25 features. Fitting estimator with 24 features. Fitting estimator with 23 features. Fitting estimator with 22 features. ... Fitting estimator with 4 features. Fitting estimator with 3 features. Fitting estimator with 2 features. Fitting estimator with 25 features. Fitting estimator with 24 features. Fitting estimator with 23 features. Fitting estimator with 22 features. ... Fitting estimator with 4 features. Fitting estimator with 3 features. Fitting estimator with 2 features. Fitting estimator with 25 features. Fitting estimator with 24 features. Fitting estimator with 23 features. Fitting estimator with 22 features. ... Fitting estimator with 7 features. Fitting estimator with 6 features. Fitting estimator with 5 features. Fitting estimator with 4 features. Optimal number of features : 3cv=2라서 25~2 features로 코드가 2번 돌아가는 것 같은데그 후에 25~4(optimal number of features + 1)까지 한 번 더 돌아가는 이유가 무엇인가요?  추가적으로, plt.ylabel("Cross validation score (nb of correct classifications)") 여기 nb of correct classifications에서 nb가 number의 약자가 맞을까요? 이상입니다. 감사합니다.

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.

5:05 부분에서 f(x)의 codomain이 왜 R인지 모르겠습니다.f(x) = x^2에서 무엇을 기준으로 codomain이 결정되는건가요..x^2이 음수를 가지지 못하니까 Range가 subset of R인건 이해가 가는데 그러면 codomain을 결정하는건 x인가요? 근데 함수에서 이미 x는 0보다 크다고 범위를 지정했으면 codomain도 그순간 같이 subset of R이 되는게 아닌가요? 헷갈립니당... 중요한건 아닌것같은데 헷갈리니 괜히 메롱합니다..