강의 수고 많으셨습니다.

원핫인코딩과 drop_first=true 를 통해 다중공선성을 줄이고 유형A가 제거된 상태인데 독립변수에 유형A를 포함하고싶으면 어떻게 해야하나요?

학습하는 분들께 도움이 되고, 더 좋은 답변을 드릴 수 있도록 질문전에 다음을 꼭 확인해주세요.1. 강의 내용과 관련된 질문을 남겨주세요.2. 인프런의 질문 게시판과 자주 하는 질문(링크)을 먼저 확인해주세요.(자주 하는 질문 링크: https://bit.ly/3fX6ygx)3. 질문 잘하기 메뉴얼(링크)을 먼저 읽어주세요.(질문 잘하기 메뉴얼 링크: https://bit.ly/2UfeqCG)질문 시에는 위 내용은 삭제하고 다음 내용을 남겨주세요.=========================================[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]1. WAS(여기까지 전파) <- 필터 <- 서블릿 <- 인터셉터 <- 컨트롤러(예외발생) 2. WAS /error-page/500 다시 요청 -> 필터 -> 서블릿 -> 인터셉터 -> 컨트롤러(/error-page/ 500) -> View이렇게 오류가 나면 필터가 적용된다고 써져있는데 그럼 맨처음에 요청이 들어와서 컨트롤러로 갈 때도 필터가 적용되니까 총 3번 REQUEST [4f746f4d-c301-44a3-ab12-793ecca80e91][REQUEST][/error-ex]RESPONSE [4f746f4d-c301-44a3-ab12-793ecca80e91][REQUEST][/error-ex]이부분이 출력이 되야되는거 아닌가요? 1. WAS(여기까지 전파) <- 필터 <- 서블릿 <- 인터셉터 <- 컨트롤러(예외발생)이 과정에서는 필터가 호출이 안되는 건가요?

RandomForestClassifier만 적용하여 앙상블 학습하였을때 ROC_AUC_SCORE가 1.0이 나오는데,, 연습문제 동영상과 같이 0.84.... 가 나오지 않고 1.0이 나오는 이유가 뭘까요 혹시 과적합이라면 오답이라고 할 수 있을까요? 전체 소스 공유합니다. import seaborn as sns import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import MinMaxScaler from sklearn.ensemble import RandomForestClassifier df = sns.load_dataset('titanic') # 결측치 제거 df['age'] = df['age'].fillna(df.age.mean()) df['deck'] = df.deck.fillna(method='bfill') df['deck'] = df.deck.fillna(method='ffill') df['embarked'] = df.embarked.fillna('S') df['embark_town'] = df.embark_town.fillna('Southampton') df.isna().sum() from sklearn.preprocessing import LabelEncoder obj = ['sex', 'embarked', 'class', 'who', 'adult_male', 'deck', 'embark_town', 'alone'] encoder = LabelEncoder() for i in obj: df[i] = encoder.fit_transform(df[i]) category = ['pclass', 'sex', 'class', 'who', 'adult_male', 'alone'] for i in category: df[i] = df[i].astype('category') df = pd.get_dummies(df) scaler = MinMaxScaler() lst = ['age', 'fare'] scaler.fit(df[lst]) df[lst] = scaler.fit_transform(df[lst]) y = df['survived'] X_train, X_test, y_train, y_test = train_test_split(df, y, test_size=0.3, stratify=y, random_state=23) ml = RandomForestClassifier() ml.fit(X_train, y_train) pred = pd.DataFrame(ml.predict_proba(X_test)) from sklearn.metrics import accuracy_score, roc_auc_score print(roc_auc_score(y_test, pred.iloc[:, 1]))

onChangeContents 함수 부분에 넣었을때 처음엔 버튼이 노란색으로 변했습니다만 이후 onChangeWriter 와 onChangeTItle 부분까지 넣은 후 버튼의 색이 변하지 않습니다.if문을 다 지우고 setIsActive(true)만 넣었을때는 작동이 됩니다..

[질문 내용]우선 단방향 연관관계를 적용하고 꼭 필요한 경우에 양방향 연관관계를 사용하라는 내용을 적용해보다가 이해가 안되는 부분이 생겨서 질문남깁니다. Team과 Member로 양방향 연관관계를 적용한다고 생각해보면 다른 질문의 답변을 봤을 때 Team을 조회할 때 Member가 거의 같이 조회가 되는 경우와 fetch join으로 조회 시 양방향 연관관계를 사용하여 더 편리하게 조회할 때 사용한다는 답변을 봤습니다. (제대로 이해한 것인지는 모르겠습니다.) 그래서 테스트를 해봤습니다.@Test void 멤버목록과_함께_팀조회() { Team team = new Team("teamA"); entityManager.persist(team); Member member = new Member("m1", 0, team); Member member2 = new Member("m2", 0, team); entityManager.persist(member); entityManager.persist(member2); entityManager.flush(); entityManager.clear(); System.out.println("====테스트 1 양방향 연관관계==="); Team findTeam = teamJpaRepository.findById(team.getId()).get(); List<Member> members = findTeam.getMembers(); for (Member member1 : members) { System.out.println("member1 = " + member1.getUsername()); } entityManager.flush(); entityManager.clear(); System.out.println("===테스트 2 fetch join 양방향 연관관계 사용=="); Team findTeam2 = teamRepository.findTeamWithMembersById(team.getId()).get(); List<Member> members2 = findTeam2.getMembers(); for (Member member1 : members2) { System.out.println("member1 = " + member1.getUsername()); } entityManager.flush(); entityManager.clear(); System.out.println("===테스트 3 fetch join 그냥 엔티티 사용=="); Team findTeam3 = teamRepository.findTeamWithMemberById(team.getId()).get(); List<Member> members3 = findTeam3.getMembers(); for (Member member1 : members3) { System.out.println("member1 = " + member1.getUsername()); } } public interface TeamRepository extends JpaRepository<Team, Long> { @Query("select t from Team t join fetch t.members") Optional<Team> findTeamWithMembersById(Long id); @Query("select t from Team t join fetch Member m") Optional<Team> findTeamWithMemberById(Long id); }테스트 1의 경우 두개의 쿼리가 나가는 것을 확인했습니다. selectt1_0.team_id,t1_0.create_by,t1_0.created_date,t1_0.last_modified_by,t1_0.last_modified_date,t1_0.namefromteam t1_0wheret1_0.team_id=? selectm1_0.team_id,m1_0.member_id,m1_0.age,m1_0.create_by,m1_0.created_date,m1_0.last_modified_by,m1_0.last_modified_date,m1_0.usernamefrommember m1_0wherem1_0.team_id=? 테스트 2의 경우 한개의 쿼리만 나가는 것을 확인했습니다.selectt1_0.team_id,t1_0.create_by,t1_0.created_date,t1_0.last_modified_by,t1_0.last_modified_date,m1_0.team_id,m1_0.member_id,m1_0.age,m1_0.create_by,m1_0.created_date,m1_0.last_modified_by,m1_0.last_modified_date,m1_0.username,t1_0.namefromteam t1_0joinmember m1_0on t1_0.team_id=m1_0.team_id  테스트 3의 경우 오류가 났습니다. 위의 테스트 1(getMembers로 접근), 테스트2(fetch join)의 경우 쿼리의 개수로 봤을 때 테스트 2를 사용하는 게 더 좋은 것 같은데 맞을까요?테스트 3은 단방향인 경우 팀과 멤버를 같이 조회를 어떻게 해야되나요?양방향 연관관계가 필요한 경우가 뭔가요?원래 api 설계할 때 team, member를 각각 조회하는 경우만 만들었었는데, team과 member가 같이 조회되는 api를 만드는 경우도 있나요? (team/{id}, member/{id} 와 같은 경우만 만들어봤습니다.)

2유형 공지사항 시험 예시 내용인데, import pandas as pdimport numpy as nptrain = pd.read_csv("data/customer_train.csv")test = pd.read_csv("data/customer_test.csv")#print(train.isnull().sum())train = train.fillna(0) #결측치를 0으로 채우기test = test.fillna(0)#print(test.isnull().sum())#print(train.isnull().sum())train = train.drop(['회원ID'], axis=1)y = train.pop('성별')cust_id = test.pop('회원ID')#범주형변수 원핫인코딩(get_dummies)train = pd.get_dummies(train)test = pd.get_dummies(test)#print(train.info())#수치형변수 스케일링(MinMaxScaler)from sklearn.preprocessing import MinMaxScalerscaler = MinMaxScaler()scaler.fit(train)scaler.fit(test)#모델 생성 (분류 - 랜포classifier)from sklearn.ensemble import RandomForestClassifierrf = RandomForestClassifier()rf.fit(train,y)#모델 예측pred = rf.predict(test) -모델 생성까지는 에러 코드가 없었는데, 모델 예측에서 이러한 에러코드가 나옵니다..ㅜㅜㅜㅜ> Makefile:6: recipe for target 'py3_run' failedmake: *** [py3_run] Error 1Traceback (most recent call last): File "/goorm/Main.out", line 38, in <module> pred = rf.predict(test) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 630, in predict proba = self.predict_proba(X) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 674, in predict_proba X = self._validate_X_predict(X) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 422, in validateX_predict return self.estimators_[0]._validate_X_predict(X, check_input=True) File "/usr/local/lib/python3.9/dist-packages/sklearn/tree/_classes.py", line 407, in validateX_predict X = self._validate_data(X, dtype=DTYPE, accept_sparse="csr", File "/usr/local/lib/python3.9/dist-packages/sklearn/base.py", line 437, in validatedata self._check_n_features(X, reset=reset) File "/usr/local/lib/python3.9/dist-packages/sklearn/base.py", line 365, in checkn_features raise ValueError(ValueError: X has 72 features, but DecisionTreeClassifier is expecting 73 features as input.

데이터셋 분할 시에 iloc안쓰고 그냥df[:210] 이렇게 나눠도 상관 없나요.

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요범주형 데이터가 있으면 필수로 인코딩을 해줘야하는걸로 알고 있는데요이때 무조건 라벨인코딩으로 진행하려고 하는데 문제없는 사항인가요?

안녕하세요제목 그대로 모바일 크롬 환경에서 동영상이 잘 나오지 않습니다.증상은 동영상 재생 버튼을 누르면 계속 버퍼링 상태이네요. 와이파이 환경은 좋습니다.확인 및 조치 부탁드려요.감사합니다.

5-1 제출 시에 타겟은 Attrition_Flag에서 1과 0으로 기재되어있고 y_test.csv 파일을 봐도 0, 1 로 되어있던데강의에서 제출 시에는 predict_proba로 확률값을 제출하던데 왜 그렇게 제출해도 괜찮은지 잘 이해가 안 갑니다 ㅜ

안녕하세요!마이바티스에서 MS-SQL, ORACLE 두 개의 데이터 소스를 설정하는 방법과MS-SQL, ORACLE 각각의 트랜잭션을 서비스레이어에서 같이 사용하는 방법이 있을까요?알려주시면 감사합니다 ㅠ  @Service public class MyService { @Autowired private OracleRepository oracleRepository; @Autowired private SqlServerRepository sqlServerRepository; @Transactional public void update() { oracleRepository.update() sqlServerRepository.update() //에러 발생 시 ms-sql 트랜잭션, oracle 트랜잭션 롤백 방법 } }

강의는 Autopsy로 진행하기 때문에 Encase를 제외하고 모두 보았습니다. 시험이 얼마 남지 않아 법률과 모든 부분에 대해 다 암기는 완료하였고 곧 문제풀이와 부족한 부분 다듬는데 시간 소요할 예정입니다![시험 과정]- 수험 번호 및 좌석 확인- 주의 사항(출력물, 칠판, 벽보 등) 확인- 시험 시작 전까지 '컴퓨터 전원' X- 이름 기입 시, 불합격이니 반드시 수험번호만 작성- 보고서 작성 프로그램은 HWP, WORD 중 택 1- 제출 파일 모두(기타 임시 저장 파일 포함) C 드라이브 제외 타 파티션에 저장하고 실기 시험용 폴더 생성(수험번호 폴더 하위 문제 1, 2, 3... 폴더 생성)- 컴퓨터 전원 구동 후, 답안 제출용 USB 연결하여 정상적으로 인식되는지 확인- 탐색기 보기 옵션 파일 확장명, 숨긴 항목 + 옵션의 '보호된 운영 체제 파일 숨기기(권장)'과 '알려진 파일 형식의 파일 확장명 숨기기' 체크 해제- 시나리오 및 문제 확인하여 키워드 체크- 법 문제 체크 후, 어떤 법에 해당하는지 정도만 적기(포렌식 툴 로딩 등의 잔여 시간에 법 문제 작성)- 쓰기 방지 설정 전까지 절대 증거 USB 연결 금지- 시나리오 진행하며 틈틈히 캡처 및 메모장에 연관 내용 작성해가며 진행- 가장 쉬우나 Autopsy에서 분석 로딩에 시간이 걸리는 문제 먼저 풀기 -> 툴에서 직관적으로 1차 정보(볼륨 훑기, 암호화 파일, 이미지 파일, Signature/MIME 비교 등) 파악 -> 2차로 1차에서 수집된 대상의 추론 및 상세 탐색 등 잔여 로그들 자세히 확인하며 보고서 작성 진행혹시나 위에서 미흡한 부분이 있다면 정정 또는 추가 부탁드리겠습니다. 강사님이 주신 모의 문제로 시간 측정을 해봤을 때 컴퓨터 성능이 좋은 조건으로는 3시간 내에서 마무리가 됩니다. 남은 기간 더 탄탄히 준비하겠습니다 감사합니다!

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요. 좋은 강의 감사드립니다.오류 없이 결과는 나왔습니다. 제 코드가 맞는지, 엉뚱한지 확인이 어려워 질문드립니다.맞는 풀이인가요? 고쳐야 할 부분이 어떤 부분인가요?ID 드랍하지 않고 쭉 진행했는데, 이러할 경우 문제가 되나요?roc_auc_score, submit 과정에서 pred에 [:,1]을 하면 오류가 없고, 빼면 오류가 생기는데 pred[:,1]인 이유가 헷갈립니다.랜덤포레스트에서 random_state=2024만 적어서 돌려도 되나요?질문이 장황한데 답변 주셔서 항상 감사합니다!cols = ['Warehouse_block' ,'Mode_of_Shipment','Product_importance' , 'Gender'] from sklearn.preprocessing import LabelEncoder le = LabelEncoder() for col in cols: X_train[col] = le.fit_transform(X_train[col]) X_test[col] = le.transform(X_test[col]) from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X_train, y_train['Reached.on.Time_Y.N'], test_size = 0.2, random_state = 2024) from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(n_estimators=160, max_depth=20, random_state=2024) rf.fit(X_train, y_train) pred = rf.predict_proba(X_test) from sklearn.metrics import roc_auc_score print(roc_auc_score(y_test, pred[:,1])) pred = rf.predict_proba(X_test) pred submit = pd.DataFrame({ 'ID': X_test['ID'], 'pred':pred[:,1] }) submit.to_csv("result.csv", index=False) import pandas as pd df = pd.read_csv("result.csv")

제가 완전히 문외한이라서 잘 이해가 안 가는 부분이 있어서 질문드려요.ETA를 보여주기 위해서 order id 등과 조합하여야 한다는 점은 이해했어요.주문마다 고유의 번호가 있을 것이고, 해당 주문이 어떻게 처리되었는지를 보고 싶으면 그 값을 확인해서 status 를 확인하면 된다는 건 이해가 쉬웠어요.그런데 이전에 Session 개념을 설명해 주실 때, 예를 들어서 Home-주문완료 까지를 묶어서 세션으로 설명해 주신 것 같습니다. (잘못 기억하고 있다면 알려주셔요. 다시 공부하겠습니다.)제가 궁금한 것은 여러 세션에서 발생한다는 의미가 직관적으로 이해가 가지 않아서요.장바구니에 담아두고 1~2 시간 뒤에 다음 식사로서 주문을 했다.이 경우엔 최종 주문 발생 시 부여되는 주문 id로 확인하는데에도 큰 문제가 없을 것 같습니다.짧은 시간 내에 여러 세션을 발생시켜서 (=한 끼에 여러 가게에서 다양한 음식을 시켰다)이 경우에도 각 주문 별 도착시간을 주문 별로 트래킹 해서 보여준다고 할 때 주문 id만 있으면 되는게 아닐까 해서요.만약 여러 주문의 배송 상황을 한 화면에서 보고 싶다. 이런 경우에도 주문 id로 트래킹 할 수 있지 않을까요?주문id에 정해진 자리수 제한이 있고, 이용자 수가 많아 특정 시점 간격으로 부여되는 주문 id가 초기화 된다면 세션 id가 필요할 수도 있을 것 같다는 생각은 해봤어요. (이 경우엔 유저 별 세션보다도 서버 시점으로 세션을 나누는 것일까요?)그럴 경우에는 유저 id와 주문 id의 조합만으로는 무작위로 발생할 수 있는 오류 (이미 배송 완료된 주문의 배송현황만을 보여주어 제대로 된 정보 전달을 할 수 없는 경우)의 발생 빈도가 높아질 수도 있을 것 같긴 하거든요.제가 생각한 게 맞는지, 주문 별 고유번호에 실제로 자릿수 제한이 걸려있을 수 있는지, 어떤 상황일 때 세션id 까지도 활용을 하는지 궁금합니다.

안녕하세요 선생님,CLIENTNUM,Attrition_Flag타겟 분류 문제에서, y가 분류니까roc_auc_score을 구할 때 predict_proba를 이용해서 구했는데 from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier() model.fit(X_tr,y_tr) pred = model.predict(X_val)print(accuracy_score(y_val, pred)) # 정밀도 print(precision_score(y_val, pred)) # 재현율 (민감도) print(recall_score(y_val, pred)) # F1 print(f1_score(y_val , pred))정확도 ~ f1까지는 proba를 안하고 바로 구했는데어떤 차이로 인해 얘네는 proba를 안하게 될까요 ? ㅜㅜ

 선생님, 이제 한 열흘 정도 남은 상황에서강의 보면 이해는 되는데 실제로 타이핑 치려니까 머리속이 하얘지면서 어려운데, ㅠ 앞으로 남은 기간동안은 어떤 방식으로 공부를 하는게 좋을까요? 강의를 빼곡히 노션에 정리하면서 멘트나 그런것들 정리해뒀는데... 막막하네요ㅜ.ㅜ 1유형은 캐글 반복 + 2유형 기출만 반복(1~7회)3유형은 회귀분석이랑 분산분석 2개만 외워가려고요..ㅎ 갑갑하네요ㅜ.ㅜ 증말

문제 1-2 accuracy를 구하는 문제를 저는 다음과 같이 풀었습니다.from statsmodels.formula.api import logitmodel = logit('purchase~income', data=train).fit()target = test.pop('purchase')pred = model.predict(test) > 0.5from sklearn.metrics import accuracy_scoreprint (round(accuracy_score(target, pred),3)) 답은 0.507로 동일하게 나오는 것 같습니다.다음과 같이 풀어도 문제 없는걸까요?그리고 pred = model.predict(test) > 0.5에서 '>0.5'의 역할은 무엇인지 다시 한번 설명해 주실 수 있을까요?

@Entity @Table(name = "orders") @Getter @Setter @NoArgsConstructor(access = AccessLevel.PROTECTED) public class Order { @Id @GeneratedValue @Column(name = "order_id") private Long id; @ManyToOne(fetch = FetchType.LAZY) @JoinColumn(name = "member_id") private Member member; @OneToMany(mappedBy = "order", cascade = CascadeType.ALL) private List<OrderItem> orderItems = new ArrayList<>(); @OneToOne(cascade = CascadeType.ALL, fetch = FetchType.LAZY) @JoinColumn(name = "delivery_id") private Delivery delivery; //배송정보 private LocalDateTime orderDate; //주문시간 @Enumerated(EnumType.STRING) private OrderStatus status; //주문상태 [ORDER, CANCEL] //==연관관계 메서드==// public void setMember(Member member) { this.member = member; member.getOrders().add(this); // Member 엔티티 부분 : private List<Order> orders = new ArrayList<>(); } public void addOrderItem(OrderItem orderItem) { orderItems.add(orderItem); // OrderItem 엔티티 부분 : private Order order; orderItem.setOrder(this); } public void setDelivery(Delivery delivery) { this.delivery = delivery; // Delibery 엔티티 부분 : private Order order; delivery.setOrder(this); } member.getOrders().add(this)  -> addOrderItem과 setDelivery에서는 setOrder(this)로 연관관계를 설정해줬는데, 왜 setMember 메소드에서만 getOrders().add(this)로 연관관계를 설정한 것인가요? Member 엔티티의 orders메소드가 List라 그런 것인가요?  setMember에서는 같은 List임에도 불구하고 this.member = member라고 했는데, 왜 여기서는 add(orderItem)으로 연관관계를 설정한 것인가요? orderItems가 List라서 그런 것인가요?    

답변 감사합니다!