안녕하세요, 현재 강의 를 듣고 있는 수강생입니다.BearerTokenGuard를 작성하고, 토큰 유효기간이 지난 경우에 대해서도테스트 상황을 가정하여 전날 만들어둔 access token을 authorization header에 넣어테스트 해보았습니다. 그런데 verifyToken api에 try,catch문이 없어서 500 코드의 에러가 발생하더라구요.그래서 일단 401 error를 내는게 맞는것 같아서 아래와 같이 작성을 했는데, verify의 결과가 무조건 토큰이만료된 경우 1가지인지 확실치 않아, 잘 작성된 코드인지 모르겠어서 질문 드립니다. 어떻게 예외처리 코드를 작성하면 좋을까요?   /* 해당 API는 토큰을 검증하는 API 입니다. */ verifyToken(token: string) { try { const result = this.jwtService.verify(token, { secret: JWT_SECRET, }); return result; } catch (error) { // to-do : 나중에 최적화 throw new UnauthorizedException('만료된 토큰입니다. 재발급해주세요'); } }

# 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, 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 df = pd.read_csv("../input/house-prices-advanced-regression-techniques/train.csv") X_train, X_test, y_train, y_test = exam_data_load(df, target='SalePrice', id_name='Id') X_train.shape, X_test.shape, y_train.shape, y_test.shape ((1168, 79), (292, 79), (1168, 2), (292, 2)) target = y_train.pop('SalePrice') y_test_id = y_train.pop('Id') # 레이블 인코딩을 수행합니다. # 모든 문자열 특성에 대해 레이블 인코딩을 적용합니다. for col in X_train.columns: if X_train[col].dtype == 'object': # Train에만 있는 레이블을 'unknown'으로 바꾸고 인코딩 train_unique_labels = set(X_train[col].unique()) test_unique_labels = set(X_test[col].unique()) # `X_test`에만 존재하는 레이블을 'unknown'으로 변경 X_test[col] = X_test[col].apply( lambda x: 'unknown' if x not in train_unique_labels else x ) # 인코딩 encoder = LabelEncoder() encoder.fit(list(train_unique_labels) + ['unknown']) # 'unknown' 포함하여 학습 X_train[col] = encoder.transform(X_train[col].astype(str)) X_test[col] = encoder.transform(X_test[col].astype(str)) 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 ((934, 79), (234, 79), (934,), (234,))여기까지는 잘 수행이 됐습니다!! unknown 설명 감사합니다 그런데, from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import r2_score rf = RandomForestClassifier(random_state=2022) rf.fit(X_tr, y_tr) pred = rf.predict(X_val) print(r2_score(y_val, pred))--------------------------------------------------------------------------- ValueError Traceback (most recent call last) /tmp/ipykernel_20/3726132327.py in <module> 2 from sklearn.metrics import r2_score 3 rf = RandomForestClassifier(random_state=2022) ----> 4 rf.fit(X_tr, y_tr) 5 pred = rf.predict(X_val) 6 print(r2_score(y_val, pred)) /opt/conda/lib/python3.7/site-packages/sklearn/ensemble/_forest.py in fit(self, X, y, sample_weight) 302 ) 303 X, y = self._validate_data(X, y, multi_output=True, --> 304 accept_sparse="csc", dtype=DTYPE) 305 if sample_weight is not None: 306 sample_weight = _check_sample_weight(sample_weight, X) /opt/conda/lib/python3.7/site-packages/sklearn/base.py in _validate_data(self, X, y, reset, validate_separately, **check_params) 430 y = check_array(y, **check_y_params) 431 else: --> 432 X, y = check_X_y(X, y, **check_params) 433 out = X, y 434 /opt/conda/lib/python3.7/site-packages/sklearn/utils/validation.py in inner_f(*args, **kwargs) 70 FutureWarning) 71 kwargs.update({k: arg for k, arg in zip(sig.parameters, args)}) ---> 72 return f(**kwargs) 73 return inner_f 74 /opt/conda/lib/python3.7/site-packages/sklearn/utils/validation.py in check_X_y(X, y, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, estimator) 800 ensure_min_samples=ensure_min_samples, 801 ensure_min_features=ensure_min_features, --> 802 estimator=estimator) 803 if multi_output: 804 y = check_array(y, accept_sparse='csr', force_all_finite=True, /opt/conda/lib/python3.7/site-packages/sklearn/utils/validation.py in inner_f(*args, **kwargs) 70 FutureWarning) 71 kwargs.update({k: arg for k, arg in zip(sig.parameters, args)}) ---> 72 return f(**kwargs) 73 return inner_f 74 /opt/conda/lib/python3.7/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, estimator) 643 if force_all_finite: 644 _assert_all_finite(array, --> 645 allow_nan=force_all_finite == 'allow-nan') 646 647 if ensure_min_samples > 0: /opt/conda/lib/python3.7/site-packages/sklearn/utils/validation.py in _assert_all_finite(X, allow_nan, msg_dtype) 97 msg_err.format 98 (type_err, ---> 99 msg_dtype if msg_dtype is not None else X.dtype) 100 ) 101 # for object dtype data, we only check for NaNs (GH-13254) ValueError: Input contains NaN, infinity or a value too large for dtype('float32').  여기서 이런 에러가 뜹니다,,,

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?