예시문제 작업형3(신 버전) 종자는 문자데이터에 잘 매칭되어있지만, 비료는 범주형임에도 불구하고 현재 수치형 11 ..로 배치되어 있기 때문에 비료에만 C ( )를 붙여준다고 설명해주셨습니다. 그러나 궁금한것은 "예시문제 작업형3(신 버전)" 타이타닉 로지스틱변환 문제에서 Gender가 male, female 인 object 데이터로 되어있으니 이를 수치형으로 바꾸신다고 C(Gender)를 해주셨는데요 그래서 제가 이번 이원분산분석 모델 만들때 비료에 C( )를 붙이지 않고 종자에만 C( )를 붙여보았습니다. 왜냐하면 비료와 토마토수 데이터들이 모두 수치형 데이터들이라 범주형 데이터인 종자 데이터들을 수치형으로 바꿔야 겠다고 생각했기 때문입니다. 그러나 C( )를 종자에 붙여서 model.summary 한 경우와 C ( )를 비료에 붙여서 model.summary한 경우의 계수나 p값 등이 다르더군요 질문1: 예시문제 작업형3(신 버전)에선 object형인 Gender에 C( )를 붙이시고, 이원분산분석에서는 object인 종자에 C( )를 안붙이신 이유가 궁금합니다
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 이거 캐글에 있는 T1-9 번 문제입니다. 첫번째 방식은 f5 컬럼의 평균값과 중앙값을 각각 구해 직접 계산하여 구하였고, 두번째 방식은 모범답안과 같은 방식으로 sklearn의 스케일링 방식으로 문제를 풀이했습니다. 두 결과가 같게 나와야 한다고 생각하는데 값이 약간의 차이이지만 다르게 나오네요...! 제가 어떤 부분을 놓치고 있는 걸까요? 알려주시면 감사하겠습니다!
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 시험이 처음인지라 질문드려봐요! 😋 필기에 나왔던 개념들이지만.. 실기에서 해보려니까 기억이 안나는데요..ㅎㅎ 시험장에서는 f1, MAE 등 평가 지표들을 어떻게 구하는지 식이 나와있나요..? 암기해가야할까요..?
선생님 안녕하세요! 강의에서 복사하라고 하신 코드 부분들은 시험볼 때 제가 직접 타이핑을 해야하는 건지, 이미 작성되어있는것인지 궁금합니다! (아래 코드) # 시험환경 세팅 import pandas as pd from sklearn import datasets dataset = datasets.load_wine() df = pd.DataFrame(dataset['data'], columns=dataset['feature_names']) df['target'] = dataset['target'] df.to_csv("data1-1.csv", index=False) ##################################################################### # 출력을 원할 경우 print() 함수 활용 # 예시) print(df.head()) # getcwd(), chdir() 등 작업 폴더 설정 불필요 # 파일 경로 상 내부 드라이브 경로(C: 등) 접근 불가 # 데이터 파일 읽기 예제 import pandas as pd a = pd.read_csv("data1-1.csv") # 사용자 코딩 # 답안 제출 예시 # print(평균변수값)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 선생님, 질문은 3가지 입니다. 1) 저는 문제를 딱 접했을때 분류모형을 써야할지, 예측모형을 써야할지 판가름을 정확하게 못하는 것 같습니다. 쉽게 판별하는 방법이 있을까요? 2) 이 문제의 경우 target인 output 컬럼을 train.head() 로 보면 0과 1로 구분되어있어서, 0 또는 1로 분류하는(분류모형) 것인가 생각했다가도 문제 맨위에서 참조해주는 예시에서 id,output 41,0.633 28,0.123 222,0.355 를 보면 output이 확률값으로 되어있어서 회귀모형을 사용해야하는 것인가? 라고 헷갈리곤합니다. 어디서 개념을 잡지 못하는 것일까요 3) 최종 예측을 할때 pd.DataFrame({'id':test_id, 'output':pred_proba[:,1]}).to_csv("00000.csv", index=False) output에 pred_proba 를 쓰셨는데 참조예시에서 확률값을 OUTPUT에 담았기 때문에 pred_proba를 사용한 것일까요? 그렇다면 output에 pred 를 담는 경우는 어떤 경우인지요?
안녕하세요, 선생님! 작업형 2 모의문제 3번을 풀고 있는데 강의에서 2개의 파일이 있는것으로 공부한 후 3개의 파일이 있는 것으로 혼자 풀어봤는데요. 첫번째 사진처럼 warning이 나오는 것 이외에는 마지막에 테스트도 90. ... 으로 나오고 에러사항이 없었는데 그럼 된것일까요?
쌤 안녕하세요! 항상 빠른 답변 감사드립니다. 날숨에 재력 들숨에 건강 얻으세요.. 캐글 T1-9 문제 풀다가 궁금한 점이 있어 문의드립니다 표준화해서 scaler = StandardScaler()까지는 이해를 했는데요. fit 시키는 과정에서 왜 df['f5']가 아닌 df[['f5']] 이렇게 괄호가 두번 나오는 건가요? ㅠ 하나로 묶는거면 [df['f5']]도 아니고 왜 괄호가 두번 나오는지.. 잘 모르겠어요
스케일링할 때 아래처럼 컬럼을 넣을 때와 그렇지 않을 때가 리턴 타입이 다르네요. 넣으면 DataFrame 타입이 리턴되고, 아니면 ndarray 타입이 리턴 되던데요.. 꼭 컬럼을 붙여줘야 DataFrame이 리턴되나요? n_test[cols] = scaler.transform(n_test[cols]) n_test = scaler.transform(n_test) c_train = pd.get_dummies(c_train) 결과랑 concat할 때 오류가 발생해서 여쭤 봅니다.
수험자는 알 수 없는 영역이긴 하지만 pred부분에 np.exp(pred)로 넣어야 정확한 평가가 되는게 아닐까요? 17000이 넘는 너무 터무니없는 값이 나와 생각해보니 로그 스케일을 제거해야 정확한 값이 나오지 않는가 싶어서요. np.exp(pred)로 평가를 해보니 4686 정도로 양호한 결과가 나오는 거 같아 질문드립니다.
안녕하세요. 로지스틱 회귀에 아래의 두가지 모듈이 있던데, 변수의 계수값은 두 모듈 모두 사용이 가능하다고 하셨는데 sklearn 모듈에선 어떻게 변수의 계수값을 보나요? (작업형3 부분을 계속 보다가 작업형2에 로지스틱 회기 모델 사용 부분을 보니 또 다 까먹었네요.. ㅠㅠ)
안녕하세요, 수강생입니다. 선생님 노트북 작업형2 문제 중 type2-ex의 백화점 구매 데이터를 활용한 문제와 type2-2nd의 2회 기출 문제 풀이를 보다가 궁금한 점이 생겨서 이렇게 문의글 남깁니다. 두 문제 모두 X_train, X_test, y_train 이렇게 3개의 데이터셋이 주어졌는데 전체 풀이에서는 검증데이터 분리하는 train_test_split에서만 각각의 X_train, y_train['target'] 값만 활용해서 풀이한 것으로 이해했습니다. 하지만 type2-2nd 2회 기출에서는 중간 풀이 과정에 X_train, y_train을 concat으로 합쳐서 중간에 설명을 하셨더라구요~ 물론 풀이에서는 concat으로 합친 데이터를 활용해서 작업된 것 같지는 않은데 혹시 train 데이터 합치는 과정이 반드시 필요한가요? 작업형2 기출 문제들을 학습하면서 데이터셋이 train과 test로 주어질 때와 X_train, X_test, y_train 이렇게 3개가 주어질 때 검증 데이터 분리하는 train_test_split에서만 구분해서 풀이하면 될 것 같은데요. 제가 혹시나 놓치고 있는 부분이 없는지 조언해주시면 감사하겠습니다!!!!
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 작업형1 모의문제1 강의에서 문제2번 중 '해당 컬럼에 결측치가 있는 데이터(행)를 삭제 함' 문장에 대해 질문입니다. df = df.dropna(subset=['f1'])이 답인데, 왜 df[‘f1’] = df[‘f1’].dropna() 는 불가능한지 궁금합니다. ㅠㅠㅠㅠ
