1.머신러닝 인코딩 강의 관련하여 원핫 인코딩 또는 라벨 인코딩 둘 중 하나를 사용하면 된다고 하는데, train_oh = pd.get_dummies(train) test_oh = pd.get_dummies(test) data = pd.concat([train, test], axis=0) data_oh = pd.get_dummies(data) train_oh = data_oh.iloc[:len(train)].copy() test_oh = data_oh.iloc[len(train):].copy() 해당 원핫 인코딩만 적용하면 ValueError: could not convert string to float: 'Private' 해당 오류가 뜨면서 cols = ['workclass', 'education', 'marital.status', 'occupation', 'relationship', 'race', 'sex','native.country'] from sklearn.preprocessing import LabelEncoder for col in cols: le = LabelEncoder() train[col] = le.fit_transform(train[col]) test[col] = le.transform(test[col]) 라벨 인코딩까지 같이 적용해야 오류가 안 뜨는데, 혹시 두 가지 같이 적용해야 되는지 문의드립니다. 또한, 머신러닝 (회귀) 강의에서는 인코딩 하는 방법이 cols = ['Item_Identifier', 'Item_Fat_Content', 'Item_Type', 'Outlet_Identifier', 'Outlet_Size', 'Outlet_Location_Type', 'Outlet_Type'] df = pd.concat([train, test]) # 라벨 인코딩 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() for col in cols: df[col] = le.fit_transform(df[col]) # 원핫 인코딩 df = df.drop('Item_Identifier', axis=1) df = pd.get_dummies(df) train, test 개별로 보지않고, 합쳐서 적용을 하는데 별도로 분리해서 적용하지 않고 한번에 합쳐서 적용해도 되는지 궁금합니다! 인코딩 부분이 헷갈리는데, 가장 보편적으로 사용되는 인코딩 방법이 어떤것인지 알려주시면 해당 방법으로 주로 학습해보겠습니다!^^
안녕하세요! 현재 컴퓨터공학과 4학년에 재학 중인 대학생입니다. 일프로님의 자세한 설명 덕분에, 현재 섹션 7까지 문제 없이 잘 따라가고 있습니다. 감사합니다. 최근에 든 생각이 있습니다. 일프로님이 강의에서 설계하신 인프라 구조나 Object들이 서로 어떻게 연결되고 어떤 역할을 하는 지는 강의를 들으면 이해가 됩니다. 물론, 복습도 꾸준히 하고 있습니다. 하지만, 제가 그 구조를 어떠한 논리를 가지고 혼자서 설계를 하라면 못 할 것 같다는 것입니다. 아직 제가 강의 초반이라 그런 걸까요? 아니면, 제가 추가로 알아야 하거나 공부해야 될 지식이 있는 걸까요..? 강의 자체는 이해가 되고 따라하며 잘 진행하고 있지만, 정확히 어떤 마음가짐(?)이나 방식으로 공부해야 할 지 잘 모르겠습니다.. ㅜㅜ 쿠버네티스는 이번이 처음이라 주저리 너무 길었네요.. 혹시나 답변 남겨주시면 참고하여 다시 공부해보겠습니다! 감사합니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 작업형 모의문제1번부터... data:members.csv 를 사용해서 문제를 풀게 되어 있는데 코드에 이렇게 링크로 적혀있는데 어떻게 불러오나요?? import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p1/members.csv")
pyenv virtualenv 3.11.8 goodpang 하니까 no such command 'virtualenv' 라고 뜨고 구글 검색해보니까 인프런 q&a 에서 윈도우에서는 잘 동작하지 않는다고 되어 있습니다. 인프런 AI가 아래를 추천해주는군요. python -m venv myenv
강사님 Argo Rollouts 를 수업하실 때 두개의 서비스 active 와 preview 를 기동시키셨는데 이게 실제 real system 에도 이렇게 운용되는 건지요? 아니면 Active 만 운용하다가 blue/green 시점에 Appliacation 을 통해 preview를 배포하고 두개의 서비스를 등록하고 blue/green 배포를 실행하는 건지요? 아울러 일반적인 경우(롤링업데이트 포함)의 경우 deployment.yaml 을 사용하였고 이는 Helm과 연동됨을 확인하였습니다. 그렇다면 강사님께서 예로 드신 rollout.yaml 도 Helm과 연동시킬 수 있는 건지요? 예제에서는 Helm 이 전혀 보이질 않아서 여쭤 봅니다.
Argo 의 경우 Application 이라는 새로운 CRD 를 이용하여 Deployment 등의 k8s 리소스를 관리하는 거 같습니다. CRD 의 경우 CRD 의 관리하에 생성된 리소스의 경우 CRD 가 삭제되면 같이 삭제되는 것으로 알고 있는데 Argo 의 Application 을 삭제하면 동일하게 동작하는게 아닌지요? 좋은 강의 잘 듣고 있습니다. 어디서도 들을 수 없었던 강의 내용에 감사드립니다. 아울러 강사님의 강의자료를 바탕으로 저 만의 노트를 200페이지 정도 만들었습니다. 다 강사님 덕분입니다. Helm 도 다 들었고, sprinter 3, 4 도 구매했습니다. 빨리 5가 나왔으면 하고 기다리고 있습니다.
영상보다가 처음에 결측치 제거 부분에서 실수로 "value"부분에서 따옴표를 넣어 test의 age컬럼이 object형식으로 저장되었습니다 그래서 이상치 파트에서 문자랑 정수가 섞여 조건문 작성시에 오류가 발생하였는데 다시 원래대로 결측치 있는 부분을 fillna(vlaue)로 저장시키는 방법은 없나요? test파일을 test = test_backup.copy() 이렇게 해놔야 하나요? value = int(train["age"].mean()) print("평균값: ", value) train["age"] = train["age"].fillna(value) test["age"] = test["age"].fillna("value")
train와 test의 데이터가 15개로 동일하지만 train_oh와 test_oh의 데이터는 왜 다른지 궁금합니다.. 제가 정확히 train_oh와 test_oh는 각각 train과 test의 문자데이터를 수치형 데이터로 변환하는것으로 이해했는데 그렇다면 train과 train_oh의 데이터 갯수는 동일해야 하는것이 아닌 의문이 들어 질문남깁니다 ㅠ
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 다름이 아니라 강의에서 회귀 중 MAPE, RMSE, RMSLE 등은 sklearn.metrics에 없다고 따로 외워야 한다고 하셨는데요 사이킷런 홈페이지 들어가봤는데 다 적혀있기는 해서, 혹시 이제는 metrics 통해 그대로 사용하면 되는 게 맞는지 여쭙습니다! 제가 확인한 사이트도 링크 첨부하였습니다. https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_log_error.html
