https://www.w3schools.com/sql/trysql.asp?filename=trysql_select_all위 url에서 연습하는데 SELECT * FROM Customers LIMIT 5;에러내용Syntax error in FROM clause. select count(distinct OrderID) from orders;에러내용Syntax error (missing operator) in query expression 'count(distinct OrderID)'. select * from Customers where Country != "Mexico" ;에러내용Syntax error (missing operator) in query expression 'Country != "Mexico"'.느낌표 지우고 = 조건으로 하면 정상 작동

 이경우 회귀분석에 범주형 데이터가 있는데 from statsmodels.formula.api import ols model = ols('매출액 ~ 광고비 + C(유형)', data=df).fit() print(model.summary()) 이렇게 써도 된다구 하셨죠?? 

redux-saga 쪼개고 reducer 연결 하려고 하니 user reducer만 반응하고 LOG_IN_SUCCESS 는 반응을 하지 않습니다. 커뮤니티 게시판에서 여러가지를 확인해보고 해도 어디 부분이 잘못 된지 몰라 올려봅니다.. 제가 작성한 코드는 이러합니다. store/configureStore.js import { applyMiddleware, createStore, compose } from "redux"; import createSagaMiddleware from "redux-saga"; import { createWrapper } from "next-redux-wrapper"; import { composeWithDevTools } from "redux-devtools-extension"; import reducer from "../reducers"; import rootSaga from "../sagas"; const configureStore = (context) => { console.log("context", context); const sagaMiddleware = createSagaMiddleware(); const middlewares = [sagaMiddleware]; const enhancer = process.env.NODE_ENV === "production" ? compose(applyMiddleware(...middlewares)) // 배포용 : composeWithDevTools(applyMiddleware(...middlewares)); const store = createStore(reducer, enhancer); store.sagaTask = sagaMiddleware.run(rootSaga); return store; }; const wrapper = createWrapper(configureStore, { debug: process.env.NODE_ENV === "development", }); export default wrapper;reducers/index.js import { HYDRATE } from "next-redux-wrapper"; // HYDRATE = action import { combineReducers } from "redux"; import user from "./user"; import post from "./post"; const rootReducer = combineReducers({ index: (state = {}, action) => { switch (action.type) { case HYDRATE: console.log("HYDRATE", action); return { ...state, ...action.payload }; default: return state; } }, user, post, }); export default rootReducer;  reducers/user.js export const initialState = { isLoggingIn: false, // 로그인 시도중 isLoggedIn: false, // 로그인 isLoggingOut: false, // 로그아웃 시도중 meUser: null, signUpData: {}, loginData: {}, }; export const LOG_IN_REQUEST = "LOG_IN_REQUEST"; export const LOG_IN_SUCCESS = "LOG_IN_SUCCESS"; export const LOG_IN_FAILURE = "LOG_IN_FAILURE"; export const LOG_OUT_REQUEST = "LOG_OUT_REQUEST"; export const LOG_OUT_SUCCESS = "LOG_OUT_SUCCESS"; export const LOG_OUT_FAILURE = "LOG_OUT_FAILURE"; export const loginRequestAction = (data) => ({ type: LOG_IN_REQUEST, value: data, }); export const logoutRequestAction = () => ({ type: LOG_OUT_REQUEST, }); const reducer = (state = initialState, action) => { // prettier-ignore switch(action.type) { case LOG_OUT_REQUEST : return {...state, isLoggingIn : true}; case LOG_IN_SUCCESS : return {...state, isLoggingIn : false, isLoggedIn:true, meUser:{...action.value, nickName:"Jay"}}; case LOG_IN_FAILURE : return {...state, isLoggingIn : false, isLoggedIn:false }; case "LOG_OUT_REQUEST" : return {...state, isLoggingOut:true}; case "LOG_OUT_SUCCESS" : return {...state, isLoggingOut:false, isLoggedIn:true, meUser:null}; case "LOG_OUT_FAILURE" : return {...state, isLoggingOut:false}; default: return state; } }; export default reducer;sagas/index.jsimport { all, fork, call } from "redux-saga/effects"; import userSaga from "./user"; export default function* rootSaga() { yield all([fork(userSaga)]); } sagas/user.js import { all, fork, put, delay, takeLatest } from "redux-saga/effects"; import { LOG_IN_FAILURE, LOG_IN_REQUEST, LOG_IN_SUCCESS, } from "../reducers/user"; function* logIn(action) { try { console.log("saga logIn"); // const result = yield call(logInAPI); yield delay(1000); yield put({ type: LOG_IN_SUCCESS, value: action.value, }); } catch (err) { console.error(err); yield put({ type: LOG_IN_FAILURE, error: err.response.data, }); } } function* watchLogIn() { yield takeLatest(LOG_IN_REQUEST, logIn); } function* watchLogOut() { yield takeLatest("LOG_OUT_REQUEST"); } export default function* userSaga() { yield all([fork(watchLogIn), fork(watchLogOut)]); }

인프런님, 말씀해주신 코딩대로 전체 문자열에 대해 라벨인코딩 했는데 오류가 뜹니다,,# 필요한 라이브러리를 불러옵니다. import pandas as pd import numpy as np from sklearn.ensemble import RandomForestRegressor from sklearn.preprocessing import LabelEncoder from sklearn.metrics import mean_squared_error, r2_score from sklearn.model_selection import train_test_split # 시험환경 세팅 함수 (변경하지 않습니다.) def exam_data_load(df, target, id_name="", null_name=""): if id_name == "": df = df.reset_index().rename(columns={"index": "id"}) id_name = 'id' else: id_name = id_name if null_name != "": df[df == null_name] = np.nan X_train, X_test = train_test_split(df, test_size=0.2, shuffle=True, random_state=2021) y_train = X_train[[id_name, target]] X_train = X_train.drop(columns=[id_name, target]) y_test = X_test[[id_name, target]] X_test = X_test.drop(columns=[id_name, target]) return X_train, X_test, y_train, y_test # 데이터를 불러옵니다. df = pd.read_csv("../input/house-prices-advanced-regression-techniques/train.csv") # 데이터를 분리합니다. X_train, X_test, y_train, y_test = exam_data_load(df, target='SalePrice', id_name='Id') # 레이블 인코딩을 수행합니다. # 모든 문자열 특성에 대해 레이블 인코딩을 적용합니다. for col in X_train.columns: if X_train[col].dtype == 'object': encoder = LabelEncoder() X_train[col] = encoder.fit_transform(X_train[col].astype(str)) X_test[col] = encoder.transform(X_test[col].astype(str)) # 랜덤 포레스트 모델을 생성하고 훈련합니다. model = RandomForestRegressor(n_estimators=100, random_state=2021) model.fit(X_train, y_train['SalePrice']) # 예측을 수행합니다. y_pred = model.predict(X_test) # RMSE와 R2 값을 계산합니다. rmse = np.sqrt(mean_squared_error(y_test['SalePrice'], y_pred)) r2 = r2_score(y_test['SalePrice'], y_pred) print(f'RMSE: {rmse:.4f}') print(f'R2 Score: {r2:.4f}') 오류내용은 아래와 같습니다 --------------------------------------------------------------------------- KeyError Traceback (most recent call last) /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in _encode_python(values, uniques, encode) 65 try: ---> 66 encoded = np.array([table[v] for v in values]) 67 except KeyError as e: /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in <listcomp>(.0) 65 try: ---> 66 encoded = np.array([table[v] for v in values]) 67 except KeyError as e: KeyError: 'Membran' During handling of the above exception, another exception occurred: ValueError Traceback (most recent call last) /tmp/ipykernel_20/2316063552.py in <module> 38 encoder = LabelEncoder() 39 X_train[col] = encoder.fit_transform(X_train[col].astype(str)) ---> 40 X_test[col] = encoder.transform(X_test[col].astype(str)) 41 42 # 랜덤 포레스트 모델을 생성하고 훈련합니다. /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in transform(self, y) 275 return np.array([]) 276 --> 277 _, y = _encode(y, uniques=self.classes_, encode=True) 278 return y 279 /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in _encode(values, uniques, encode, check_unknown) 111 if values.dtype == object: 112 try: --> 113 res = _encode_python(values, uniques, encode) 114 except TypeError: 115 types = sorted(t.__qualname__ /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in _encode_python(values, uniques, encode) 67 except KeyError as e: 68 raise ValueError("y contains previously unseen labels: %s" ---> 69 % str(e)) 70 return uniques, encoded 71 else: ValueError: y contains previously unseen labels: 'Membran'  

2.2.파드를 외부에서도 접속하게 하는 서비스(Service)강의에서 궁금한 사항이 있습니다.해당 강의에서 nginx는 w3-k8s 노드(103)에만 생성이 되어 있는데요. service 테스트는 w1-k8s의 IP(101)로 테스트 하는것을 보았습니다. 다른 노드에서도 해당 IP로 접근이 가능한 건가요?

랜덤포레스트로 2유형 준비중인데요! 강의에서 설명해주신 max_depth 와 n_estimators 두개를 사용하면서 문제를 풀어보니 변동폭이 10 정도 안팎으로 났던것 같습니다. 만약에 하이퍼 파라미터까지 썻는데도 랜덤포레스트로 돌렸는데 성능평가 결과가 50% 미만이면 어떤 방식으로 해결해야할까요...?? 다른 것을 사용해야 하나요? 아니면 어쩔수 없을까요...

# 시험환경 세팅 (코드 변경 X) import pandas as pd import numpy as np from sklearn.model_selection import train_test_split def exam_data_load(df, target, id_name="", null_name=""): if id_name == "": df = df.reset_index().rename(columns={"index": "id"}) id_name = 'id' else: id_name = id_name if null_name != "": df[df == null_name] = np.nan X_train, X_test = train_test_split(df, test_size=0.2, random_state=2021) y_train = X_train[[id_name, target]] X_train = X_train.drop(columns=[target]) y_test = X_test[[id_name, target]] X_test = X_test.drop(columns=[target]) return X_train, X_test, y_train, y_test df = pd.read_csv("../input/titanic/train.csv") X_train, X_test, y_train, y_test = exam_data_load(df, target='Survived', id_name='PassengerId') X_train.shape, X_test.shape, y_train.shape, y_test.shape ((712, 11), (179, 11), (712, 2), (179, 2)) # print(X_train.head(20)) X_train['Age'] = X_train['Age'].fillna(X_train['Age'].mode()[0]) X_test['Age'] = X_test['Age'].fillna(X_test['Age'].mode()[0]) # print(X_train.head(20)) X_train['Cabin'] = X_train['Cabin'].fillna('X') X_test['Cabin'] = X_test['Cabin'].fillna('X') X_train.head() X_train = X_train.drop('PassengerId', axis=1) X_test_id = X_test.pop('PassengerId') target = y_train.pop('Survived') cols = X_train.select_dtypes(include='object').columns cols Index(['Name', 'Sex', 'Ticket', 'Cabin', 'Embarked'], dtype='object') X_train = pd.get_dummies(X_train, columns=cols) X_test = pd.get_dummies(X_test, columns=cols) from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split(X_train, target, test_size=0.2, random_state=2022) X_tr.shape, X_val.shape, y_tr.shape, y_val.shape ((569, 1419), (143, 1419), (569,), (143,)) from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score, roc_auc_score, precision_score, recall_score, f1_score rf = RandomForestClassifier(random_state=2022) rf.fit(X_tr, y_tr) pred = rf.predict_proba(X_val) print(roc_auc_score(y_val, pred[:,1])) 0.8794421487603306원핫 인코딩으로 roc_auc_score로 진행한 결과는 0.88로 우수한 점수인데,, 라벨 인코딩으로 하면 오류가 납니다 ㅜㅜ( cols 지정한 곳 까지는 위 코드와 동일하며 그 밑에 바로 라벨인코딩 진행한 결과가 아래와 같습니다...) 어떤게 문제일까요? 범주형데이터 설정 했고 라벨인코딩은 범주형데이터에서 작동해야 하는데 작동하질 않습니다,,  from sklearn.preprocessing import LabelEncoder le = LabelEncoder() for col in cols: X_train[col] = le.fit_transform(X_train[col]) X_test[col] = le.transform(X_test[col]) X_train.head() --------------------------------------------------------------------------- KeyError Traceback (most recent call last) /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in _encode_python(values, uniques, encode) 65 try: ---> 66 encoded = np.array([table[v] for v in values]) 67 except KeyError as e: /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in <listcomp>(.0) 65 try: ---> 66 encoded = np.array([table[v] for v in values]) 67 except KeyError as e: KeyError: 'Ali, Mr. Ahmed' During handling of the above exception, another exception occurred: ValueError Traceback (most recent call last) /tmp/ipykernel_20/2703680230.py in <module> 3 for col in cols: 4 X_train[col] = le.fit_transform(X_train[col]) ----> 5 X_test[col] = le.transform(X_test[col]) 6 X_train.head() /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in transform(self, y) 275 return np.array([]) 276 --> 277 _, y = _encode(y, uniques=self.classes_, encode=True) 278 return y 279 /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in _encode(values, uniques, encode, check_unknown) 111 if values.dtype == object: 112 try: --> 113 res = _encode_python(values, uniques, encode) 114 except TypeError: 115 types = sorted(t.__qualname__ /opt/conda/lib/python3.7/site-packages/sklearn/preprocessing/_label.py in _encode_python(values, uniques, encode) 67 except KeyError as e: 68 raise ValueError("y contains previously unseen labels: %s" ---> 69 % str(e)) 70 return uniques, encoded 71 else: ValueError: y contains previously unseen labels: 'Ali, Mr. Ahmed' 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이있었는지 검색해보세요안녕하세요. 타이타닉 데이터로 로지스틱 회귀를 해보고있는데... print 문에서 자꾸 에러가 나요...왜..그런걸까요?;;

지금까지 시험에서는 train.isnull().sum()test.isnull().sum() 을 하면 결측치 이상치 없이 깨끗한 데이터들만 나왔는데 이번 7회차 작업형2에서 결측치 이상치 처리하는게 나올까요,,?아무래도 연습해 두는것이 좋겠지만 캐글에서 결측치 이상치 많은 문제들도 풀어봤는데 처리하는게 쉽지 않더라구요,, 특히 범주형데이터 라벨인코딩 시 계속 에러가 나서 결측치 이상치 처리하고도 라벨인코딩을 하면 꼭 에러가 나더라구요,, 그래서 원핫인코딩으로 하고 하면 다행히 원핫은 에러 안나고 평가했을 때 그래도 성능이 나오긴 하는데 캐글에서 당뇨병 문제, 집값예측 문제들 모두 이상치와 결측치 처리하고 스케일링 진행하는데 코드를 봐도 어려워서,, 시험장에서 이상치 결측치 처리할 수 있을지도 의문이구요,, **중요한 질문 : 혹시 시험에서 결측치 이상치가 나왔다고 하면, 이들을 처리하지 않고 ( 예를들면 fillna나 drop작업 등등,,) 바로 원핫인코딩이나 라벨인코딩으로 스케일링 후 모델, 평가, 예측, 제출 해도 무방할까요..??

  /** * PathVariable 사용 * 변수명이 같으면 생략 가능 * @PathVariable("userId") userId -> @PathVariable String userId */ @GetMapping("/mapping/{userId}") public String mappingPath(@PathVariable ("userId") String data){ log.info("mappingPath userId={}",data); return "ok"; } 다음 코드에서 영상에서 알려주신데로 변수명 중복시 생략하였을때 @GetMapping("/mapping/{userId}") public String mappingPath(@PathVariable String userId){ log.info("mappingPath userId={}",userId); return "ok"; }아래와 같이 사용하였으니 실행시에 500에러가 뜹니다{ "timestamp": "2023-11-29T03:47:55.458+00:00", "status": 500, "error": "Internal Server Error", "path": "/mapping/userA" }java.lang.IllegalArgumentException: Name for argument of type [java.lang.String] not specified, and parameter name information not found in class file either.

안녕하세요. 4회 기출문제의 macro f1-score 관련하여 질문드립니다.문제 풀이에서는 교차검증으로 macro f1-score를 구하는 것으로 나왔는데요from sklearn.model_selection import cross_val_scorescores = cross_val_score(rf, train, target, scoring='f1_macro', cv=5) 1) 이 과정이 기존의 model_selection, train_test_split -> 평가 스코어 확인대신에 하는 과정이라고 이해하면 될까요?그리고 macro- f1 score라고 하면 위처럼 train test split을 생략하고 cross_val_socre 코드를 사용하며 되는것인지 궁금합니다. 검색해도 잘 나오지 않더라고요;; 아래 macro f1이라고 하면 아래 2)번 설명이 많이 나옵니다^^;; 2) 그렇다면 기존에 이진분류에서 알려주신 아래 코드는 macro -f1 score가 아니라 그냥 f1 score가 나오는 것인가요? 이 방법을 사용하면 문제 의도에서는 틀린것인지 궁금합니다.(※ 이 질문을 올리고 계속 공부하다보니 6회 기출에서도 f1-macro를 사용하라고 나오는데, 6회 풀이에서는 아래와같이 코딩하셨더라구요. 4회와 6회의 차이점이 무엇인지도 궁금합니다. ) from sklearn.metrics import f1_scoreprint(f1_score(y_val,pred, average='macro') 감사합니다.

강의가 갑자기 삭제되는 경우도 있나요? 만약 있다면 무료강의를 수강중이다가 삭제되면 다신 못보는건가요?

안녕하세요 교수님 강의 잘 듣고 있습니다.질문이 있는데, FrameRate가 30인 이유가 무엇인지 입니다.FrameRate 30이 1초인가요??  

 TextMeshProUGUI 변수를 추가해서 에디터에서 텍스트를 드래그 드롭으로 할당해주었는데 버튼을 누를때 계속해서 NullExecption 에러가 나서 확인해보니 text 변수에 아무것도 가져와지지가 않습니다. 왜 이러는걸까요 ㅠㅠ

안녕하세요. ppt자료는 어디서 다운 받나요?

test데이터에 있는 변수가 train에 없을 경우 데이터를 합쳐야한다고 말씀해주셨습니다.test데이에 있는 변수가 train에 있는지 없는지를 확인할 수 있는 코드는 뭐가 있을까요?print(train['칼럼'].value_counts())print(test['칼럼'].value_counts()) 이 두개로 비교하면 될까요?

  public List<Order> findAllWithItem() { return em.createQuery( "select distinct o from Order o" + " join fetch o.member m" + " join fetch o.delivery d" + " join fetch o.orderItems oi" + " join fetch oi.item i", Order.class) .setFirstResult(1) //첫 번째 것을 .setMaxResults(100) //100개 가져옴 .getResultList(); }이 부분인데 첫 번재부터 100개 가져오는데 우린 2개 가져오니까 하나만 가져오면 되겠다고 하셨는데왜 하나만 가져오면 되나요? 뭘 하나만 가져온다는 건가요?

이진분류 모의고사 제 방식대로 한번 풀어봤는데 이정도 점수면 괜찮은 건가요? ################## 시험 안내 문구 및 코드 ################## # 출력을 원하실 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 X_test = pd.read_csv("../input/hr-data/X_test.csv") X_train = pd.read_csv("../input/hr-data/X_train.csv") y_train = pd.read_csv("../input/hr-data/y_train.csv") # 사용자 코딩 # 답안 제출 참고 # 아래 코드 예측변수와 수험번호를 개인별로 변경하여 활용 # pd.DataFrame({'enrollee_id': X_test.enrollee_id, 'target': pred}).to_csv('003000000.csv', index=False) X_train.shape, X_test.shape ((19158, 13), (2126, 13)) df = pd.concat([X_train, X_test]) df = pd.get_dummies(df) df.shape (21284, 188) X_train = df.iloc[:len(X_train)] X_test = df.iloc[len(X_train):] X_train.shape, X_test.shape ((19158, 188), (2126, 188)) X_train = X_train.drop('enrollee_id', axis=1) X_test_id = X_test.pop('enrollee_id') target = y_train.pop('target') from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split(X_train, target, test_size=0.2, random_state=2022) X_tr.shape, X_val.shape, y_tr.shape, y_val.shape ((15326, 187), (3832, 187), (15326,), (3832,)) from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=2022) rf.fit(X_tr, y_tr) pred = rf.predict_proba(X_val) from sklearn.metrics import roc_auc_score print(roc_auc_score(y_val, pred[:,1])) 0.7745962769563425 pred = rf.predict_proba(X_test)[:,1] pd.DataFrame({'enrollee_id': X_test_id, 'target': pred}).to_csv('003000000.csv', index=False) 채점 # 체점(아래 주석 풀로 체점) import pickle import numpy as np from sklearn.metrics import roc_auc_score with open( "../input/hr-data/answer.pickle", "rb" ) as file: ans = pickle.load(file) ans = pd.DataFrame(ans) print(roc_auc_score(ans['target'], pred)) 0.7640350582437277이 코드에서 조금 더 보완해야할 사항같은 게 있을까요?  

 - 인프런 아이디: renoyar@naver.com- 인프런 이메일: renoyar@naver.com- 깃허브 아이디: skshhj@gmail.com- 깃허브 username: RENOYAR

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요 train.describe()를 찍어봤을 때, 총구매액과 최대구매액의 최솟값이 음수로 나오던데 이 부분은 전처리 하지 않아도 큰 문제는 없을까요? 음수인 값을 0으로만 바꿔줬더니 0.67로 성능이 조금 더 좋아지긴 하더라고요..! 그냥 원본데이터 그대로 제출하는 것이 좋을지, 이 부분도 음수인 값들만 처리해준 다음에 성능만 높아진다면 처리하는 게 좋을지 궁금합니다.좋은 수업 감사합니다!