기출유형 문제들을 아래와 같은 형태로 주시곤 했는데 시험장 문제와 아예 같은 문제인가요? 예를 들어 시험장에서도 아래 주어진 것처럼 데이터 목록, 예측할 컬럼들을 알려주는지 평가지표가 MAE면 (Mean Absolute Error) 이렇게 풀어서 나타내주는지 궁금합니다! 작업형2 - 통신사에서 고객에게 청구될 총 금액을 예측하시오. 제공된 데이터 목록: churn_train.csv(훈련 데이터) churn_test.csv(평가용 데이터) 예측할 컬럼: TotalCharges(총 청구액) 학습용 데이터(churn_train.csv)를 이용하여 총 청구액을 예측하는 모델을 만든 후 이를 평가용 데이터(churn_test.csv) 에 적용해 얻은 예측값을 다음과 같은 형식의 CSV 파일로 생성하시오. 제출 파일은 다음 1개의 컬럼을 포함해야 한다. pred: 예측된 총 청구액 제출 파일명: ‘result.csv’ 제출한 모델의 성능은 MAE(Mean Absolute Error) 평가지표에 따라 채점한다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 랜덤포레스트 분류 회기만 잘 구분하고 인코딩은 원핫 인코딩으로만 진행해도 될까요? 라벨인코딩도 해야할지 고민입니다. 이전에 유니크가 너무 많으면 원핫인코딩이 오래걸려서 라벨 인코딩을 해야한다고 했던걸로 기억해서요
from scipy import stats result = stats.ttest_ind(df[cond1]['Resistin'], df[cond2]['Resistin'], equal_var = True) 안녕하세요! 3번 소문제 질문에서 '두 집단의 로그 리지스틴 값에 유의미한 차이가 있는지...' 라고 해서 ttest 시에도 로그 값을 사용해야 하는 줄 알았습니다. from scipy import stats result = stats.ttest_ind(np.log(df[cond1]['Resistin']), np.log(df[cond2]['Resistin']), equal_var = True) 위 코드처럼요. 하지만 그렇지 않더라구요. 혹시 왜 그런건지 설명 좀 부탁드려도 될까요? 감사합니다.
model.summary()하면 회귀 계수들이 나오는데 회귀 계수 관하여 답을 제출할때는 상수항은 고려하지 않고 제하나요? 이질문을 드리는 이유는 기출8회 작업형3 문제와 캐글 문제 때문에 여쭈어봅니다 기출8회 작업형3처럼 상수항은'독립변수'에 포함시키지 않는지 이에따라 항상 상수항은 연산에대해서 포함시키지않는것인지 하단 캐글 문제 처럼 회귀계수 중 가장 큰값 같은 문제에서 상수항 계수가 제일 큰데 이러면 상수항 회귀계수를 내는것인지 # 모든 변수를 사용하여 OLS 모델을 적합하고, 회귀계수 중 가장 큰 값은? from statsmodels.formula.api import ols formula = 'y~x1+x2+x3+x4' model = ols(formula, data = data).fit() print(model.summary()) print(model.params[1:].max()
실제 시험 작업형 2유형에서 설명력이 낮은 변수를 삭제하거나 결측치나 이상치가 있는 데이터를 준다면 결측치를 제거하거나 이런것에 기준이 있을까요? 제가 문제를 읽어보고 임의로 결정해서 삭제를 해야할까요 아니면 문제에 있는 모든 변수(고유한ID컬럼제외)를 포함해서 학습해야할까요?
안녕하세요 linkedList에서 BrowserHistory 코드를 구현할 때 저는 처음 linkedList 개념에서 생각했던 대로 linkedList + idx 로 접근하는 방향으로 생각했습니다. # idx로 생각한 예시 # O(n) def insert(self, idx): current = self.head NewNode = Node() # insert하려는 앞 노드까지 for i in range(idx - 1): current = current.next NewNode.next = current.next current.next = NewNode 그런데, BrowserHistory에선 linkedList + class 속성?(current)으로 풀이를 하신 것 같은데 맞을까요? 문제 풀이할 때, visit을 할때마다 현재 idx를 global 변수로 저장해둬야 하나?라는 고민을 했어서 혹시 잘못 생각한 부분이 있는지 알려주시면 감사하겠습니다..!
안녕하세요! 회원가입 시 서버 액션을 작성 중인데 궁금한 점이 있어 질문드립니다. 현재 서버 액션 함수는 아래와 같이 작성하였고, 클라이언트에서는 useActionState를 사용하여 액션의 반환 값을 받아 에러 메세지를 처리하고 있습니다. if (!id || !nickname || !password) { return { status: false, messages: "정보를 입력해주세요." } } try { const response = await fetch(`${baseUrl}/api/users`, { method: "POST", body: formData, }) return { status: true, messages: "" } } catch (err) { return { status: false, messages: "회원가입에 실패했습니다." } } // redirect("/home")을 여기에 위치 했었음 } 회원가입 성공 시에는 /home 으로 이동시키고 싶어서 redirect를 사용하려고 하는데, redirect는 return문 때문에 실행되지 않는 문제가 있습니다. 이런 상황에서는 다음 중 어떤 게 더 적절한 방법인지 궁금합니다..! 1) 서버 액션에서 회원가입 성공 시 return { status: true, messages: "" } 형태로 값을 반환하고, 클라이언트에서 성공 여부를 판단해 라우팅을 처리하는 방식 2) 서버 액션 내부에 let isSignupSuccess = false 같은 변수를 선언한 뒤, 회원가입 성공하면 return문 없이 isSignupSuccess = true 로 값을 변경하고, try-catch문 이후에 if (isSignupSuccess) redirect("/home") 형태로 라우팅을 처리하는 방식
기출 8회 작업형2 내용 중 원핫인코딩을 하는 부분이 있는데 먼저 cols에 train의 object타입 컬럼을 담아놓고 train = pd.get_dummies(train,columns=cols) test = pd.get_dummies(test,columns=cols) 이런식으로 작성을 하는데, 다른 영상에서는 columns=cols 이 부분을 안 넣는 것도 본 것 같아서요! 저 구문의 의미와 넣었을 때와 안 넣었을 때의 차이점이 궁금합니다!
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 df['날짜']=pd.to_datetime(df['날짜']) df['연도']=df['날짜'].dt.year 으로 변환해서 짜고 싶은데, 오류가 나는 이유가 뭘까요?
작업형 제1유형은 문제 풀이 화면(python) 출력에서도 답안에 제출할 숫자만 출력이 되어야 하는건지 궁금합니다. 작업형 제1유형은 문제 풀이 화면(python)에서 문제를 푼 후, 답안 제출 화면에서 답을 입력하고 제출한다고 되어 있는데, 문제 풀이 화면(python) 속 출력 값도 채점에 포함되는지 여쭤보고 싶습니다. 섹션 16. 67. 6회 기출문제(작업형3) 강의 중 3분 49초 쯤에 작업형3은 작업형1과 달리 출력을 답안에 맞게 할 필요가 없다는 말씀을 하셨는데 작업형 제1유형은 python 출력에서도 답안에 제출할 숫자만 출력이 되어야 하는건지 혼란스러워 질문합니다.
아래와 같이 처리할 경우 결측치가 모두 채워지지 않고, 결과값이 60.0으로 산출됩니다. 혹시 cond에 따른 df[cond].groupby.transform을 바로 result로 받으면 안되는 이유가 있을까요? cond = df['총 학습 시간'] >= 500 result = df[cond].groupby(['학습 카테고리'])['완강률'].transform('mean') #print(df['완강률'].isnull().sum()) == 6 df['완강률'] = df['완강률'].fillna(result) #print(df['완강률'].isnull().sum()) == 2 df[df['학습 카테고리'] == '디자인']['완강률'].mean().round(1)
