작업형 2 머신러닝 모의2번 문제에서 labelencoder할때, 명령어가 le = LabelEncoder()로 지정하고 아래와 같이 transform할때 fit을 넣고 다음에는 안넣는데, 추측하기로는 train 데이터에서 object 유니크 수를 파악하고 이에 맞는 것으로 변형하기 때문에 fit을 쓴것 같습니다. 그렇다면 trian이랑 test랑 유니크 수가 다르다고 하면 아래와 같이 쓰면 안되지 않나요? 아니면 알아서 잘 수치화가 진행되는걸까요? 일전에 강의에서는 train과 test에서 유니크 수가 다르면, 두 데이터를 상하로 합쳐서 같이 적용하고 나눈다고 들었어서 여쭤봅니다. train[col] = le.fit_transform(train[col]) test[col] = le.transform(test[col])
작업형 2유형 문제 궁금한게 있습니다. 수치형 변수 스케일링을 하셨는데, 시험에서도 저 코드를 꼭 써야 하나요? 저거를 임의로 판단을 해서 하는건가요? (마지막에 성능 지표로 확인해서 임의 판단인지) 아니면 시험장에서도 문제에서 명시가 되어있는걸까요? 혹여나, 문제에서 명시 되어 있지 않는데 굳이 저걸 했다가 감점을 받지 않나 해서요 저걸로 가점이 된다면, 항상 모든 문제에 수치형 변수 스케일링을 추가 해줘야 하는거 아닌가요? 왜 문제 마다 수치형 스케일링을 해주는 경우도 있고 아닌 경우도 있고.... 이해가 안갑니다 그리고 RobustScaler를 적용 하셨는데, MinMaxScaler로 해도 되나요? (다른 수치형 스케일링을 써도 되는지 여쭤봅니다) 그리고 하이퍼 파라미터도 문제에 명시 안되어있는데, 저것도 임의 판단해서 쓰는건지 궁금하네요. 시험 문제에는 저렇게 간략하게 나오는건가요? 문제에서 딱.. 하이퍼파라미터 적용.. 수치형 스케일링 적용... 이렇게 나오는게 아닌걸까요?? 너무 추상적이에요... 만약 저렇게 추상적이게 나온다면, 임의로 성능 지표를 확인해가며, 수치형이 있다면 스케일링을 적용해보고, 하이퍼 파라미터가 성능 지표가 높게 나온다면 적용해보고... 이렇게 해야하는건가요? (외람된 질문이지만, 성능 지표가 너무 높게 나와도 안좋은거 아닌가요? 과적합 문제라던지요..)
안녕하세요, 현재 DFS 관련하여 내용을 수강하고 있습니다. (39강. DFS & BFS) 깊이 탐색인 알고리즘인 DFS를 처음엔 재귀로 접근하셨다가 RecursionError 의 이유로 스택을 사용하셨는데요, 스택을 생각하게 된 생각의 흐름(?) 을 잡아보고싶어 질문을 드리게되었습니다. (나중에 코테 연습 때 대비가 될까하여 더 고민을 해보는 것인데, 시간대비 효율이 나지않는다면 말씀해주세요 ㅎㅎ) 일단 제가 이해한 흐름은 여기까지입니다. DFS는 깊이 우선 탐색 깊이 파고들었다가 다시 나오고 반복 그래프의 끝까지 깊이 파고들었다가 , 방문하지 않는 노드를 방문하기 위해 나중에 다시 돌아갈 "기준점" 이 필요하게 될 것임 그렇다면 이전에 어디까지 방문했는지 기록 을 해놓아야함 어떻게 해야 기록을 더 효율적으로 할 수 있을까? 하지만 여기서 스택을 사용해야겠다고 생각이 들게 되는 이유를 찾고 싶습니다 ㅎㅎ 알고리즘을 잘하시는 분들 보시면 이런 부분은 큐를 써야겠고, 스택을 써야겠다 라고 바로 생각을 하시는데, 저로서는 왜 이게 바로 스택을 써야한다고 생각이 드는지 이해가 되질 않아서요 혹여 이전에 강의때 설명하신 부분이라면 죄송합니다..ㅎㅎ
저는 저 부분을 아래와 같이 for문 안에 if구문으로 처리 하고 싶었는데... if구절에서 i 값을 찍어보면 처음 값만 데이터 그대로 나오고.. 그 담부턴 어뚱한 값이 나오네요.. 뭘 잘못한걸까요? ㅠㅠ mean_2001 = df.iloc[1].mean() print(mean_2001) #print(df.iloc[1]) #cond = df.iloc[1] > mean_2001 #sum(cond) for i in list2001: if i > mean_2001: print(i)
2025년 2회 코드문제 -1 11:40 이해 안되는게 있는데 자식에서 재정의 하면 자식에서 실행되어야 하는거 아닌가요? 순수 부모여서그런건가요? 또한 만약 Parent ref= new 자식이였다면 4P가 되는건가요? 스테틱이면 부모꺼 출력으로 알고 있어서 혹시 제가 잘못 알고 있는부분있으면 추가적으로 알려주세요 ㅜ
1번 문제 코드를 짜보았는데 결과 값이 조금 다른 것 같아서 질문 드립니다 import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/members.csv") df.nlargest(10, 'views') m=df.loc[21,'views'] df.iloc[:10,-1]=m cond=df['age']>=80 df[cond]['views'].mean()
안녕하세요 9분 48초 인터페이스와 예외처리 질문입니다. 헷갈리는 부분이 있어 질문이 두개가 있습니다. run(f) 는 런메소드 내부에서 f.app3이 호출 되었지만 f기 때문에 람다함수로 가서 리턴값이 7로 나오는건가요? 만약 run(3)이었다면 리턴값 3이 정답이 되나요? -질문 1 run(n->n+9) 에선 f가 아니여서 f. app3 실행후 리턴값 3->3+9 = 12출력 하고 끝나는건가요? 그래서 통째로 계산하여 (2번) run( (1번) n->n+9) 1번 풀고 run(12)를 다시 돌리지 않고 끝내는건가요? -질문 2 답변 기다리겠습니다 감사합니다 !
[질문 템플릿] 1. 강의 내용과 관련된 질문인가요? (예) 2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예) 3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예) [질문 내용] IO 기본 2 문자 다루기1 시작 pdf파일, ReaderWriterMainV1 코드에서 마지막에 System.out.println("read bytes: " + Arrays.toString( writeBytes )); readBytes가 아닌 writeBytes가 들어가 있습니다
1. 현재 학습 진도 2챕터 4강 2. 어려움을 겪는 부분 docker compose -d --build 를 터미널에 입력하면 이렇게 => ERROR [internal] load metadata for docker.io/library/openjdk:17-jdk-slim 해당 에러가 계속 발생합니다. (docker compose -d 는 정상 실행 됩니다.) 3. 시도해보신 내용 찾아보니 docker 설정 파일을 삭제하고 하라던지 jdk 이미지를 삭제하고 하라던지 해서 rm ~/.docker/config.json 라던지 등을 해봤습니다만 계속 문제가 생깁니다. 현재 해당 도커 이미지가 사용 중지된거같아서 Dockerfile 에 FROM eclipse-temurin:17-jdk-jammy 로 수정했는데 이래도 괜찮을까요 ?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 빅데이터 왕초보입니다 하지만 선생님 믿고 따라가려고 강의시작하였습니다.. 함수 부문에서 return함수를 쓰는 이유가 정확하게 와닿지 않아서요.. 그냥 뭔가 미지수, a,b~로 도출하는것 같은데.. return함수 쓰는거랑 안쓰는거랑 차이?점이 정확하게 무엇일까요 감사합니다
