import pandas as pd import numpy as np # 가상 데이터 생성 np.random.seed(42) n_samples = 1000 data = pd.DataFrame({ 'rain': np.random.normal(50, 15, n_samples), # 강수량 'wind': np.random.normal(7, 2, n_samples), # 바람 'co2': np.random.normal(400, 50, n_samples), # 이산화탄소 농도 'energy': np.random.normal(100, 20, n_samples) # 에너지 소비 }) # CSV 파일로 저장 data.to_csv('city_climate_energy_data.csv', index=False) import statsmodels.api as sm x = data[['rain', 'wind', 'co2']] y = data['energy'] x2 = sm.add_constant(x) model = sm.OLS(y, x2) result = model.fit() result.summary() print(result.params['co2']) 1-3. rain=50, wind=7, co2=400일 때 예측값과 그에 대한 95% 신뢰구간을 구하시오.import pandas as pd import statsmodels.api as sm new_data = pd.DataFrame( { 'rain' : [50], 'wind' : [7], 'co2' : [400] } ) # new_data_const = sm.add_constant(new_data) # print(new_data_const.shape) pred = result.get_prediction(new_data) pred.summary_frame(alpha = 0.05)ValueError Traceback (most recent call last) <ipython-input-67-3154375170> in <cell line: 0>() 13 # print(new_data_const.shape) 14 ---> 15 pred = result.get_prediction(new_data) 16 pred.summary_frame(alpha = 0.05) 2 frames/usr/local/lib/python3.11/dist-packages/statsmodels/regression/linear_model.py in predict(self, params, exog) 407 exog = self.exog 408 --> 409 return np.dot(exog, params) 410 411 def get_distribution(self, params, scale, exog=None, dist_class=None): ValueError: shapes (1,3) and (4,) not aligned: 3 (dim 1) != 4 (dim 0)import statsmodel.api as sm라이브러를 사용하니 1-3 문제의 경우에 상수항때문에 에러가 발생하네요.statsmodels.formula.api import ols 를 사용하는게 가장 최선일까요?  

  http://127.0.0.1:3305/ex03_hello_world_designer.html 주소로 이동했습니다. ex03_hello_world_designer.js:9 Uncaught (in promise) DataCloneError: Failed to execute 'postMessage' on 'Worker': SharedArrayBuffer transfer requires self.crossOriginIsolated. at ex03_hello_world_designer.js:9:16758 at new Promise (<anonymous>) at loadWasmModuleToWorker (ex03_hello_world_designer.js:9:15451) at Array.map (<anonymous>) at Object.loadWasmModuleToAllWorkers (ex03_hello_world_designer.js:9:16962) at ex03_hello_world_designer.js:9:14758 at ex03_hello_world_designer.js:9:17642 at Array.forEach (<anonymous>) at callRuntimeCallbacks (ex03_hello_world_designer.js:9:17631) at preRun (ex03_hello_world_designer.js:9:7603) (익명) @ ex03_hello_world_designer.js:9 loadWasmModuleToWorker @ ex03_hello_world_designer.js:9 loadWasmModuleToAllWorkers @ ex03_hello_world_designer.js:9 (익명) @ ex03_hello_world_designer.js:9 (익명) @ ex03_hello_world_designer.js:9 callRuntimeCallbacks @ ex03_hello_world_designer.js:9 preRun @ ex03_hello_world_designer.js:9 run @ ex03_hello_world_designer.js:9 runCaller @ ex03_hello_world_designer.js:9 removeRunDependency @ ex03_hello_world_designer.js:9 receiveInstance @ ex03_hello_world_designer.js:9 receiveInstantiationResult @ ex03_hello_world_designer.js:9 Promise.then (익명) @ ex03_hello_world_designer.js:9 Promise.then instantiateAsync @ ex03_hello_world_designer.js:9 createWasm @ ex03_hello_world_designer.js:9 (익명) @ ex03_hello_world_designer.js:9 qtLoad @ qtloader.js:231 await in qtLoad init @ ex03_hello_world_designer.html:53 onload @ ex03_hello_world_designer.html:24 http://127.0.0.1:3305/ex03_hello_world_designer.html 주소로 이동했습니다. ex03_hello_world_designer.js:9 Uncaught (in promise) DataCloneError: Failed to execute 'postMessage' on 'Worker': SharedArrayBuffer transfer requires self.crossOriginIsolated. at ex03_hello_world_designer.js:9:16758 at new Promise (<anonymous>) at loadWasmModuleToWorker (ex03_hello_world_designer.js:9:15451) at Array.map (<anonymous>) at Object.loadWasmModuleToAllWorkers (ex03_hello_world_designer.js:9:16962) at ex03_hello_world_designer.js:9:14758 at ex03_hello_world_designer.js:9:17642 at Array.forEach (<anonymous>) at callRuntimeCallbacks (ex03_hello_world_designer.js:9:17631) at preRun (ex03_hello_world_designer.js:9:7603) (익명) @ ex03_hello_world_designer.js:9 loadWasmModuleToWorker @ ex03_hello_world_designer.js:9 loadWasmModuleToAllWorkers @ ex03_hello_world_designer.js:9 (익명) @ ex03_hello_world_designer.js:9 (익명) @ ex03_hello_world_designer.js:9 callRuntimeCallbacks @ ex03_hello_world_designer.js:9 preRun @ ex03_hello_world_designer.js:9 run @ ex03_hello_world_designer.js:9 runCaller @ ex03_hello_world_designer.js:9 removeRunDependency @ ex03_hello_world_designer.js:9 receiveInstance @ ex03_hello_world_designer.js:9 receiveInstantiationResult @ ex03_hello_world_designer.js:9 Promise.then (익명) @ ex03_hello_world_designer.js:9 Promise.then instantiateAsync @ ex03_hello_world_designer.js:9 createWasm @ ex03_hello_world_designer.js:9 (익명) @ ex03_hello_world_designer.js:9 qtLoad @ qtloader.js:231 await in qtLoad init @ ex03_hello_world_designer.html:53 onload @ ex03_hello_world_designer.html:24  릴리스 선택후 빌드한 html를 브라우저에 띄워서 테스트 해보니 로딩이 끝나지 않습니다.실제 브라우저에 배포하려면 설정이 더 필요한걸 까요? 

안녕하세요.강의 결제 후 학습을 진행하려 합니다.강의 수강 하면서 자료 참고 및 복습을 하기 위해 아래 메일로 강의 자료 부탁드려도 될까요~??이메일: gaphh99@gmail.com확인 부탁드립니다.좋은 강의 감사합니다.

a.md 파일 만들고 u에서 a 이후 첫 커밋하는 건 잘 따라했는데요.이후 두 번째 커밋 하는 방법 보여주실 때 a.md 파일 수정하니까 강사님 화면에서는 m으로 바뀌더라구요.근데 저는 아무리 a.md를 수정해도 m으로 바뀌지 않아서.. 챗지피티 통해 알아보니까, a.md 수정 후 "저장(ctrl+s)" 해야 m으로 바뀌는 거였군요.. 강사님은 자동 저장이 되어 있어서 그런걸까요?

그리고 한가지 더 궁금하자면 원래 checkedChanged에 checkBox1_checkedChanged라고 자동으로 선택할수 있는게 아니라 전 수동으로 글씨 입력했는데 원래 이래야 하나요? private void checkBox1_checkedChangｅｄ(object sender, EventArgs e){ //알림메시지를 띄울 때 사용합니다. MessageBox.Show("알림메시지");}

안녕하세요.3유형 관련하여, 문제가 주어지면 알아서 독립성/정규성/등분산성 까지 검증을 해야하는지 궁금합니다~! 예를 들면예) 과자의 무게는 200g과 다른지 검정하세요. 1.정규성 검정 (shapiro) 이후 결과에 따라willcoxon이나 ttest_1samp를 진행해야 하는 것인지. 2.그게 아니라면, 정규성은 주어지고willcoxon이나 ttest_1samp를 하라고 주어지는 것인지 궁금합니다.

그대로 따라하고 실행했는데 이런 문제점이 있습니다. 왜인지 잘 모르겠어요. 44강에서 테스트 메세지의 링크가 모바일에서도 안나옵니다. 44강에서 위치보기 도 누르면 아무 링크가 안열립니다.  45강에서 PC카톡에 "안녕하세요. 봇입니다." 라는 메세지를 보내면, 계속 이렇게 나오네요.

env 파일을 제대로 작성 이후에도퍼블릭 ip로 접속해 본 결과 , 접속이 안되네요.ip뒤에 :80을 붙였음에도 문제 해결이 안되네요..어느 설정을 변경해야 할까요??

기출 3회 작업형2 lgbm으로 풀다가 질문드립니다 #lightgbm import lightgbm as lgb rk = lgb.LGBMClassifier(random_state=628, verbose=-1) rk.fit(X_tr, y_tr) 여기까지 했는데 LightGBMError: Do not support special JSON characters in feature name. 이렇게 오류가 뜨는 건 어떻게 해야하는 건가요??

  es 설정을 입력해주는 부분이라고 이해했는데 운영환경에서는 설정하면 안된다는 게 무슨 말인지 잘 이해되지 않습니다.실제 docker 서버에서 경로에 elasticsearch.yml에서 설정하면 적용 안된다는 건가요? 아니면 보안 설정이라 실무에서 주의하라는 말씀이신가요?

7회 학습 중입니다.앞선 차시 시험들에선 제출을 위한 저장 방법이 주석처리되어 제공됐었던 것 같은데 7회에서는 보이지 않아서 문의 드립니다. 실제 시험 환경에서 파일 제출을 위한 코드가 제공되지 않을 수도 있는 것일까요?

어떤게 있나요 헷갈려서 ex)분류모델-랜덤포레스트,Xgboost,LightGBM이런 식으로 정리 좀 해주세요

강사님 안녕하세요데이터 전처리 과정에서 어떤 조건?으로 결측치를 제가하나요?여기서 이름과 host_id를 제거하신거같은데 이유가 있나요??그리고 모의문제1에서도 어떤 이유 저 컬럼을 없앤건지 궁금합니다 

3번문제에 이렇게 코드를 짜봤는데 결과값이 다르게 나옵니다ㅠ 어디를 수정해야 할까요?ㅠq3 = df['age'].quantile(0.75) q1 = df['age'].quantile(0.25) IQR = q3 - q1 line1 = q1 - 1.5 * IQR line2 = q3 + 1.5 * IQR print(sum(df['age'] < line1)) print(sum(df['age'] > line2))

12분 10초대부터 시작해서 a[0]가 0되면서 탈출조건 이렇게 말씀하시면서 0이라고 하시는데func(values, 0, 1) 여기서 st = 0, end = 1 인데탈출조건은 st >= end 0>= 1 이렇게 되면 탈출이 안되는거 아닌가여? 이해가 안됩니다

안녕하세요 혼자 문제 풀이를 해보다가 제가 작성한 코드들이 문제가 없는지 여쭤보고싶습니다.그리고 마지막 제출단계에서 test 데이터에 'Attritino_Flag'를 삭제했는데 (drop을 안시키고 작성했는데 오류가 뜨더니 자동으로 drop시키는 코드로 수정되었습니다.) 왜 삭제해야 오류가 안나는지 궁금합니다. # 1. 문제 정의 (분류) target: Atrrition_Flag(1: 이탈, 0: 유지) # 2. 데이터 불러오기 # 3. 탐색적 데이터 분석(EDA) # train.info() # dtypes: float64(5), int64(11), object(5) # train.isnull().sum() # 0 # train.describe(include='O') # test.info() # dtypes: float64(5), int64(10), object(5) # test.isnull().sum() # 0 # train['Attrition_Flag'].value_counts() # 0: 6815, 1: 1286 # 4. 데이터 전처리(인코딩, 데이터 전처리) # 4-1. 원핫인코딩 data = pd.concat([train, test], axis = 0) data = pd.get_dummies(data) train = data.iloc[:len(train)].copy() test = data.iloc[len(train):].copy() # train.info() # bool(23), float64(6), int64(10) # test.info() # bool(23), float64(6), int64(10) # 5. 검증 데이터 나누기 from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split( train.drop('Attrition_Flag',axis=1), train['Attrition_Flag'], test_size = 0.2, random_state = 0 ) # 6. 모델 학습 및 평가 # 6-1. 모델불러오기 from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=0) # 6-2. 학습(fit) rf.fit(X_tr, y_tr) # 6-3. 예측(predict) pred = rf.predict(X_val) # 6-4. 예측 결과 확인 # pred[:10] # rf.classes_ # pred # 6-5. 평가 # 평가: ROC-AUC, 정확도(Accuracy), F1, 정밀도(Precision), 재현율(Recall) from sklearn.metrics import roc_auc_score, accuracy_score, f1_score, precision_score, recall_score accuracy = accuracy_score(y_val, pred) print('accuracy:',accuracy) # accuracy: 0.9549660703269587 f1 = f1_score(y_val, pred) print('f1:',f1) # f1: 0.8381374722838137 precision = precision_score(y_val, pred) print('precision:',precision) # precision: 0.9264705882352942 recall = recall_score(y_val, pred) print('recall:',recall) # recall: 0.7651821862348178 pred = rf.predict_proba(X_val) roc_auc = roc_auc_score(y_val, pred[:,1]) print('roc_auc:',roc_auc) # roc_auc: 0.9860421123349186 # 7. 제출 pred = rf.predict_proba(test.drop('Attrition_Flag', axis=1)) pred submit = pd.DataFrame({ 'CLIENTNUM': test['CLIENTNUM'], 'Attrition_Flag': pred[:,1] }) submit.to_csv('000000.csv',index=False)

안녕하세요!제목에 써둔 것처럼 패키지 저장 시 이미 패키지가 존재한다면 로딩을 다 하고 저장하는 것이 좋다고 말씀하셨는데 그 이유가 안전하게 패키지를 저장할 수 있다고 말씀하셨습니다. 궁금한 것은왜 해당 동작이 안정성을 보장하게 되는지만약 로딩을 안하고 저장 시, 추가적으로 애셋이 저장된다고 볼 수 있는지가 궁금합니다. 감사합니다!

p-value가 0.0006이 나와서 대립가설을 채택하는게 맞을텐데 소문제 c는 답을 어떻게적어야하나요? '가설검정의 결과를' 채택,기각 중 골라야하는데 가설검정의 결과라는게 0.0006인거고 , 그럼 채택으로 답을 적어야하나요?

1번 문제가 잘 이해가지 않습니다.분산에 차이가 있는지 알아본다 ->등분산 검정을 수행하라는 것 같아 반사적으로 levene을 떠올리고 있었는데, 'F-검정을 수행할 때 검정통계랑을 구하라'라는 지문이 이해가지 않아요 검정 통계랑이라는게 각 분산값을 나눈것으로 정의되어 있는건가요? 저렇게 나누는것이 F-검정인가요

강사님 기출6회 제1유형 3번문제에서 groupby 진행해서 월별 나누기 12하는건 알겠으나,data 확인해보니 연도별로 월별 수량이다릅니다. 근데 12로 나누면 515로 반영이되는데,  애초에 data가 안맞지 않나요?  확인해주시면 감사하겠습니다.    import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p4/6_1/data6-1-3.csv") # df.info() # df.head() df['year'] = df['날짜'].str[:4] df = df.groupby('year')['날짜'].count() df