제6회 기출복원문제 제2유형에서 enrollee_id 변수도 불필요한 값으로 간주하고 삭제해도 될까요? 또한 팩터로 변환한 변수의 level을 확인해보면(enrolled_university, education_level 등) 공백 문자값이 많이 보입니다. 해당 값들에 대해서도 제거 처리 없이 진행해도 되는지 궁금합니다!

 위와 같이 SCORERS를 import할때 오류가 발생합니다. 코랩환경입니다. 오류 해결 방법이 있을까요?

[문제] 빅데이터 분석기사 실기 언어 선택에 따라 합격 여부를 조사한 결과이다. 언어와 합격 여부는 독립적인가? 가설검정을 실시하시오. (유의수준 0.05) 귀무가설(H0): 언어와 합격 여부는 독립이다. 대립가설(H1): 언어과 합격 여부는 독립이지 않다. 여기서, 이 문제는 독립성 검정이기 때문에 귀무가설은 독립이다! 라고 설정하는건가요? 보통 귀무가설이 알려진 사실, 대립가설이 내가 증명하고자 하는 사실인데, 독립성 검정이기에...내가 증명하고자 하는 사실이 "두 데이터는 독립이다."라서 이게 대립가설인것같이 느껴집니다..

 정답이 f1인데, 풀이에 반드시 print문까지 작성해야 답인가요? df.isnull().sum()을 사용하면 눈으로 f1이 답인걸 알 수 있으니 그냥 정답란에 f1만 적으면 되나요?

안녕하세요,혹시 빅분기 실기 1유형 문제가 큰 문제 하나 안에서 작은 문제 3개로 구성되는 형태인가요? 이게 문제 구성이 고정적인건지 시험에 따라서 소문제가 2개나 4개로 바뀌어서 나올 수도 있는지 궁금합니다.

왜 값이 다른지 여쭤봅니다 잘못작성된 것이 있을까요

강의랑 똑같이 코딩한것 같은데 왜 답이 float형으로 나오는 걸까요???

stats.wilcoxon(df['무게']-120, alternative = 'less')에서 alternative = 'less'가 이해가 안됩니다.관측값(실제값)이 왜 더 작아야 하나요?

섹션3. 항공권 가격 예측 시, 탐색적 데이터 분석과정에서 describe로 unique 카테고리가 동일하지 않다면 이 강의에서는 데이터를 삭제시켰는데, 삭제시키지 않고,  df = pd.concat([train, test])df = pd.get_dummies(df)train = df.iloc[:len(train)]test = df.iloc[len(train):] 이 과정을 사용해도 괜찮나요?

시험환경의 문제가 변경되었는지 파일을 찾을수없습니다. 어떻게 하면 될까요?

바쁘시겠지만 올려주시면 감사하겠습니다 ㅠㅠ

안녕하세요 항상 강의 잘 보고있습니다 몇가지 궁금한게 생겨서 질문하고싶은데  전에 강의 들을때 f1스코어 에서 pos_label을 붙이셨던걸 봤는데 이걸 붙이고 안붙이고는 어떻게 판별해야 할까요?from sklearn.metrics import f1_scoref1= f1_score(y_val, pred[:,1], pos_label='>50K') average=macro는 왜 붙이는건지 알수 있을까요? 혹시 macro나 pos_label처럼 뒤에 따로 붙여야 하는 평가지표가 있다면 또 알려주실수 있을까요?감사합니다

안녕하세요.하이퍼파라미터 튜닝 관련 질문있습니다. 강의에서는 XGBClassifier 하이퍼파라미터 튜닝값 의 기본값이 max_depth=3, learning_rate=0.1 이라고 말씀해주셨어요. 제 학습환경도 동일하게 코랩인데, 기본값이 다른 것 같아요. 결과를 비교해보니, 저는 max_depth=6, learning_rate=0.3이 기본값인 것 같고, gpt에 물어봐도 동일한 답변이 나옵니다. (아래 gpt답변 참고) 강의 촬영시점과 달라서 그런걸까요?시험환경에서는 기본값이 또 다를까요? 그러면 시험환경에서는 기본값 의존하지말고 그냥 하나하나 값을 직접 찍어보는게 좋을까요?  

(), {},[] 사용법 알려주세요. 너무 헷갈려요.

df['메뉴'].isin(["녹차"])'메뉴', "녹차" 작은따옴표와 큰따옴표 차이가 어떻게 다른건가요?? 

 체험환경 2유형을 푸는데 원핫인코딩이후에 칼럼수가 달라져서 from sklearn.preprocessing import MinMaxScalerscaler = MinMaxScaler()x_tr_scaled = scaler.fit_transform(x_tr)x_val_scaled = scaler.transform(x_val)#test2_scaled = scaler.transform(test2) >>>> 여기서 칼럼불일치로 에러가 납니다어떻게 해결해야하나요? 추가로, 원핫인코딩이후에 정규화를 꼭 해줘야하는지도 궁금합니다.원핫인코딩하면 0,1뿐이라 이미 정규화가 된게 아닌가해서요~

 listbox = [15, 46, 78, 24, 56] def min_max(data): mi = min(data) ma = max(data) return mi, ma a, b = min_max(listbox) print(a,b)--------------------------------------------------------------------------- TypeError Traceback (most recent call last) /tmp/ipython-input-3854204748.py in <cell line: 0>() 5 return mi, ma 6 ----> 7 a, b = min_max(listbox) 8 print(a,b) /tmp/ipython-input-3854204748.py in min_max(data) 2 def min_max(data): 3 mi = min(data) ----> 4 ma = max(data) 5 return mi, ma 6 TypeError: max() takes 0 positional arguments but 1 was given학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!최대값, 최소값 구하는데 쌤하고 똑같이 했는데 왜 오류가 나지요? 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요melt함수에서 [ ] 대괄호를 붙인것도 안붙인 것도 있는데, id_vars는 꼭 붙인다 처럼 정해진 것이 있나요? var_namevalue_varsvalue_name

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요target 값이 문자형일 경우 양성 레이블을 설정해줘야 하는 평가지표는 f1 score 밖에 없는 건가요?

실제 시험에서 너무 정확한 점수(높은)가 나오면 과적합을 의심해야 할까요?import pandas as pd # 다중분류 문제 train = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p2/drug_train.csv") test = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p2/drug_test.csv") target = train.pop('Drug') # train, test 둘다 결측치 없고, 종류수 같음 cols = train.select_dtypes(include='object').columns # baseline # train = train.drop(cols, axis=1) # test = test.drop(cols, axis=1) # one-hot # train = pd.get_dummies(train, columns = cols) # test = pd.get_dummies(test, columns = cols) # Label from sklearn.preprocessing import LabelEncoder for col in cols: le = LabelEncoder() train[col] = le.fit_transform(train[col]) test[col] = le.transform(test[col]) # 학습 데이터 분리 from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split( train, target, test_size=0.2, random_state=0 ) # 모델 학습 from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier(random_state=0) model.fit(X_tr, y_tr) pred = model.predict(X_val) # 모델 성능평가 from sklearn.metrics import f1_score score = f1_score(y_val, pred, average='macro') print("F1 Score: ", score) # baseline F1 Score: 0.5535714285714286 # one-hot F1 Score: 0.8809523809523809 # Label F1 Score: 1.0 # 모델 예측 pred = model.predict(test) pd.DataFrame({ 'pred': pred }).to_csv('result.csv', index=False) pd.read_csv('result.csv')