이와 같이 mode 변수의 클래스 수가 다른데... ct = make_column_transformer((OneHotEncoder(sparse=False), col_cat), (StandardScaler(), col_num)) ct.fit(X) X = ct.transform(X) X_te = ct.transform(X_te) print(X.shape) print(X_te.shape) 이것을 적용하니... (7468, 37) (3200, 37) 이렇게 컬럼이 동일해졌습니다... make_column_transformer가 컬럼 수를 맞춰주는 기능도 있나요? 이해가 잘 안갑니다..ㅠㅠ
rmse를 진행하는 부분에서 rmse(y_val,pred) 라고 진행하면 문제가 없으나 후에 y값에 들어갈 charges 컬럼 데이터에 로그를 씌워 단위 변환한 평가값과 비교하기 위해 기존 데이터 평가에 rmse(np.exp(y_val),np.exp(pred))를 씌워보면 Found input variables with inconsistent numbers of samples: [161, 268] 혹은 Input contains infinity or a value too large for dtype('float64'). 와 같은 에러가 뜹니다. 혹시 제가 어떤 작업을 놓친 걸까요?
안녕하세요 선생님 계속 질문드려서 죄송합니다. 다름이 아니라 pred_proba를 test 데이터에 적용하고 제출할때 오류가 발생해서 질문드립니다. y_val_dumm = pd.get_dummies(y_val) pred_proba = model.predict_proba(X_val) print(roc_auc_score(y_val_dumm, pred_proba, multi_class = 'ovo')) ####마지막 제출!! pred_proba = model.predict_proba(test) pd.DataFrame({'id':test_id, 'Seg':pred_proba}) "Per-column arrays must each be 1-dimensional" 오류가 발생합니다. pred_proba의 컬럼을 지정 안해줘서 그런거 같은데 마지막 제출은 어떻게 해야 하나요??
안녕하세요. 강의 잘 듣고 있습니다. 영상찍은 시점과 제가 실습하는 시점이 달라서 그런 것 같은데 실습하는 중에 자동 로그인 까지는 했는데 그 이후에 간단한 보안 인증이 뜨면서 직접 그림을 맞춰야만 다음 단계로 넘어가집니다. 이러한 과정을 생략할 수 있는 방법이 있을까요? 그리고 그림 맞춘 후 지원하기 요소를 찾을 수 없다고 이러한 오류가 발생합니다. NoSuchElementException: Message: no such element: Unable to locate element: {"method":"css selector","selector":".jobs-apply-button--top-card"} (Session info: chrome=118.0.5993.117)
name, host_name은 둘다 3만이 넘는 고윳값 때문데 삭제하는 건 알겠는데 host_name은 9943개인데 삭제하는 이유를 알 수 있을까요? latitude, longitude 얘네는 host_name보다 고윳값이 많은데 삭제하지 않는 이유는 수치형 데이터여서 그런가요?
왜 처음부터 데이터를 train_test_split 로 나누고 시작하는게 아니라 마지막에 왜 데이터를 나누어서 다시 시작하는 건가요? train_test_split으로 나누지 않고도 X_train과 y_train만으로도 predict_proba는 적용할 수 있지 않나요?
제가 아직 개념이 완전히 잡혀있지 않아서 생기는 궁금증인것 같습니다.. import numpy as np 를 하면 numpy 라이브러리를 불러오는걸로 알고있는데요! 그럼 도대체 언제 이 라이브러리를 불러오는건지 정해져있는게 있을까요? 어떤 상황에서 불러와야된다...이런게 있는지 궁급합니다. 예제 문제들을 풀고있는데 표준편차의 절대값 차이를 출력할때도 numpy를 불러와서 np.abs(a - b) 이렇게 쓰던데... 언제는 쓰고 언제는 안쓰는건지 이런 개념이 궁금합니다 ㅠㅠ
강사님.. ㅎㅎ 제가 또 작성했는데 결과값이 다르게 나와서요 ㅜㅜ 한번 검토 부탁드립니다!! 제 결과값은 79가 나왔어요! 정답은 56이구요!! # your code import pandas as pd import numpy as np df=pd.read_csv('members.csv') # df.head() # 주어진 데이터에서 결측치가 30%이상 되는 컬럼을 찾고 해당 컬럼에 결측치가 있는 데이터(행)를 삭제 함. # print(len(df)) # 100 # 결측치가 30% 이상 = 30개 이상 # print(df.isnull().sum()) # f1 - 31개 , f3 -28개, views-4개 확인 # 따라서 f1은 결측치 있는 행 제거, f3은 최빈값으로 값 대체 df['f1'] = df['f1'].dropna() df['f3'] = df['f3'].fillna(df['f3'].mode()[0]) cond = (df['f3'] == 'gold') ans = len(df[cond]) print(ans)
제가 코드를 이렇게 작성했는데 강사님의 답은 3261이고 제 답은 3661입니다. 코드를 보면 강사님의 코드와 동일한 결과값이 나와야하지않나..하고 생각이 드는데 어디가 틀렸는지 한번 검토 부탁드립니다.!! # your code import pandas as pd import numpy as np data = pd.read_csv('members.csv') data.head() # f1 컬럼 결측치 중앙값으로 대체 f1_median = data['f1'].median() data['f1'] = data['f1'].fillna(f1_median) # 나머지 결측치 있는 데이터 모두 제거 data = data.dropna() # print(data.isnull().sum()) # 앞에서부터 70% 데이터 중 views 컬럼의 3사분위 수에서 1사분위 수를 뺀 값을 구하시오 (단, 데이터 70% 지점은 정수형(int) 변환) view70 = int(len(data)*0.7) # print(view70) data = data.loc[:view70] Q3 = data['views'].quantile(0.75) Q1 = data['views'].quantile(0.25) ans = Q3 - Q1 print(ans)
데이터 스케일링과 인코딩을 위해 make_column_transformer를 사용하고 샆은데, 혹시 이것을 사용하면 문제가 될 것이 있을까요? 그리고, 통계쪽에서, stats_models까지 준비해야 할까요?.. 아직 공개된 패키지에는 없어 보이는데.. 시간은 없는데 할게 많다보니...ㅠㅠ
안녕하세요 선생님! train, test 데이터를 합치고 인코딩 후 분리하는 과정에서 line = int(X_train.shape[0])이라고 하셨는데 이 부분이 이해가 안갑니다! X_train.shape이 (29304, 15)일 때 int(X_train.shape[0])는 29304(데이터 수)를 말하는 것일까요?