아래와 같이 학습 데이터, 테스트 데이터를 합쳐서 데이터 인코딩을 진행했을 때 칼럼명이 1267개가 나오는데 모델 학습 시 시간이 많이 걸리는 요소가 되는 건가요? 칼럼이 이 정도면 많이 있는건지, 괜찮은 건지, 그 기준도 궁금합니다. 이렇게 합쳐서 했을 시, 모델 학습 및 예측 시간이 37초 정도 걸리는데 (코랩에서) 시험 환경에서는 더 많이 걸릴 수도 있는 거죠?(반응속도의 차이로 인해서) 랜덤포레스트 모델 이용했을 때 37초 걸리고, RMSE : 3779.6769 값이 나옵니다. lightgbm 모델을 이용했을 때 5초가 걸리고, RMSE : 4070.0473 값이 나옵니다. 만약 랜덤포레스트 모델 학습 및 예측 시간이 시험 환경에서 1분을 초과한다면 성능이 좀 떨어지더라고 lightgbm 모델을 사용해서 제출하는 것이 더 나을까요? 또한, df.iloc를 쓰지 않고, 위 그림처럼 바로 df[:len(train)]을 써도 동일한 결과가 나오는 것 같은데 맞나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 작업형 3에 되게 많은 분석과 검정이 있는데 많이 나오는 기출이나 특정 유형이 있을까요? 3유형 함수나 그런것들이 너무 많아서 어떤 것이 핵심이고 자주 기출에 나오며 뭐가 출제 예상이신지 궁금합니다
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 11회 기출 유형(작업형1) 강의 15:10초에서 초기 값 25.055 round 씌우고 24.xx print 씌우고 25.022가 되어 답이 25.022라고 설명해주셨는데 답이 25.022라는건가요? 초기값 25.055로 알고있으면 되는건가요?!
인코딩을하면 f1 score에서 pos_label을 따로 지정할 필요가 없나요?? 그리고 평가하는 게 모의시험 느낌이라고 말씀하셨는데, pred = model.predict(X_val) or pred_proba = model.predict_proba(X_val) 로 한 다음에, pred = model.predict(test) or pred = model.predict_proba(test)로 제출하면 될까요?
작업형 2에서 업로드해주신 자료에서는 원핫인코딩을 진행했는데요. 원핫인코딩을 진행한 사유가 있나요? 저는 시군구명만 레이블인코딩을 사용했는데 , 인코딩 종류를 결정하는 것이 헷갈립니다, 제가 사용한인코딩 코드를 첨부합니다! from sklearn.preprocessing import LabelEncoder cols=train.columns[train.dtypes== 'O' ] for col in cols: le=LabelEncoder() train[col]= le.fit _transform(train[col]) test[col]= le.fit (test[col]) 이렇게만 했더니, train 만 object ->int로 바뀌고 test는 바뀌지 않아서 랜덤포레스트를 활용할수 없다는 에러가나와 아래를 추가했습니다..! from sklearn.preprocessing import LabelEncoder cols=test.columns[test.dtypes== 'O' ] for col in cols: le=LabelEncoder() test[col]= le.fit _transform(test[col]) 이렇게 해도 되나요..?? dtypes로 마지막에 점검했을 때는, 둘다 int로 바뀌어 있기는 했습니다.
[질문 템플릿] 1. 강의 내용과 관련된 질문인가요? (예/아니오) 2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오) 3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오) [질문 내용] 47 문제와 풀이 내용에서 수업내용은 increment에 void로 반환을 안하던데 언제 리턴으로 반환해야 하는지 잘 모르겠습니다..
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 제미나이 같은 곳에 물어봐도 뭔가 명확한 답을 못 찾겠어서 질문합니다. EDA 결측치 삭제 또는 채우기 train y값 pop 수치형 데이터 스케일링 범주형 데이터 인코딩 데이터분할 머신러닝 학습 및 평가 테스트 값 도출 및 파일 생성 이러한 과정에서 pop 하는 타이밍, 결측치 처리, 스케일링, 인코딩, 데이터 분할을 어떻게 해야 하는지 순서가 감이 안 옵니다. 과정이 꼬이면 y값 데이터에 영향을 줄까봐 걱정돼서요.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요! 유형2 검증까지 다 완료하고 모델 확정하고 나서 80퍼센트만 학습한 상태이니 정확도 올리고 싶어 100퍼센트 다시 학습시키 고 test 검증해서 최종제출해도 되나요? 파일이미지 확인 부탁드려요!
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 기출문제를 풀어보면 대부분 train, test로 데이터가 제공되어있는데, 실제 시험에서도 보통 이렇게 주는건가요? X_train, X_test, y_train 이렇게 나눠서 주는게 보통의 경우인건지 아님 train, test로 주는게 보통인건지 궁금합니다!
두 집단의 로그 리지스틴 값에 대한 합동 분산 추정량을 구하기 위에서 아래의 코드로 푸는 풀이가 알맞는지 질문드립니다.(혹은 우연의 일치로 해당 값이 나온건지 궁금합니다.) 꼬리질문 2에서 두 집단이라고 출제되었기에 df를 나누지않고, 로그 리지스틴 값이라고 명시되어 로그 리지스틴을 기준으로 구하는 것이기에 리지스틴에 로그를 취한 것을 종속변수로 설정해 풀었습니다. import pandas as pd import numpy as np df = pd.read_csv("data/bcc.csv") # 사용자 코딩 from statsmodels.formula.api import ols from statsmodels.stats.anova import anova_lm model = ols('np.log(Resistin) ~ C(Classification)', data=df).fit() print(anova_lm(model)) 출력 결과 (분산은 잔차들의 제곱의 평균이니까) 이렇게 출력된 결과 Residual(잔차)의 mean_sq의 값을 두 집단의 로그 리지스틴 값에 대한 분산이라고 생각해도 되는건가요?
안녕하세요~ 작업형 2 분류와 회귀 강의를 학습하는 도중 질문이 있습니다! 분류에서는 제출 파일은 예측값만 result.csv 파일로 생성해 제출(컬럼명: pred, 1개) 회귀에서는 제출 파일은 예측값만 포함된 result.csv 로 생성 (컬럼명: pred , 1개) 분류 강의에서는 생성해 제출이라고 하셨고, 회귀 강의에서는 생성이라고 하셨는데 분류와 회귀 강의에서 한 작업에서 다른 점이 없는 거 같아서 질문드립니다. (데이터프레임 만들어서 제출하되 read로 행 개수 확인하기) 정확히 어떤 차이가 있는 걸까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 인코딩과 스케일링 순서가 궁금합니다. 인코딩 하고 스케일링 하면 문자형들이 이미 숫자로 바껴서 스케일링 먼저 하고 인코딩이 낫나요? 라벨 인코딩 하면 0~1보다 더 큰 숫자여서 라벨 인코딩 한 것 자체도 스케일링 될 거 같은데 괜찮은지 모르겠습니다.
