새로운 데이터를 만들어서 값을 예측할 때 어떨때는 pred = model.get_prediction(new_data)를 쓰이고, 어떨 때는pred = model.predict(new_data)가 쓰이던데 둘의 차이가 뭘까요?

주어진 데이터에서 로지스틱 회귀 분석을 수행해 유의확률(p-value)이 0.05 이상인 유의하지 않은 독립변수의 개수를 구하시오. (종속변수: Churn) 이 문제에 대한 답이 sum(model.pvalues[1:] > 0.05)이렇게 돼있는데 >이 아니라 이상이니까>=가 맞는거 아닌가용? 

게슈탈트 이론이 잘 엮여진 사례 넷플릭스제목 아래 영상들이 배치되어있고 그 사이에 행간이 좁다같은 연관성이 있는 영상들끼리 서로 같은 그룹으로 묶여있다. 아닌 사례요즘엔 워낙 다 웹사이트가 잘되어있어서 찾지 못하겠습니다근데 토스랑 카카오뱅크를 제외한 모든 은행사이트들이 엄청나게 짜증나는 건 알겠습니다 ㅠㅠㅋㅋ

작업형2 모의문제2 회귀문제에서 범주형 자료들 describe 찍어봐서 unique 개수 비교해보았는데 name, host_name, last_review는 개수가 달라도 삭제해서 상관없다고 생각했는데 neighbourhood 컬럼은 train : 221개, test : 201개인데 합쳐서 인코딩하는 방식이 아니던데 무슨 이유인지 알 수 있을까요?

코랩에서 house_df.fillna(house_df.mean(), inplace=True)를 실행하였는데 에러가 나서 커뮤니티를 보니# object가 아닌 number 타입을 별도 리스트로 추출 num_columns=house_df.dtypes[house_df.dtypes!='object'].index.to_list() # Drop 하지 않는 number 타입 컬럼들에 대해서 Null컬럼들은 평균값으로 대체 house_df[num_columns].fillna(house_df[num_columns].mean(),inplace=True)이렇게 코드를 변경하여 실행해보라고 하여 실행하였습니다.그런데, # Null 값이 있는 피처명과 타입을 추출 null_column_count = house_df.isnull().sum()[house_df.isnull().sum() > 0] print('## Null 피처의 Type :\n', house_df.dtypes[null_column_count.index])이 코드를 실행하니 Null 피처의 Type 중에서 float64 컬럼들은 null값이 제대로 처리가 안된 걸 알 수 있었습니다. 어떻게 해결할 수 있을까요?

안녕하세요 선생님, 강의로 어느정도 개념정리는 됐는데 많은 문제를 풀기에는 어려울 것 같아서,시나공 빅분기 실기책만 빠르게 회독하면서 여러번 반복해서 풀어볼 예정인데괜찮은 전략이겠죠..? 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요문제9 답이그냥 11이 아니고 np.int32(11)로 나오는데, 왜 그런건가요?

Define에서 enum EState를 정의하셨는데State앞에 E를 붙인 특별한 이유가 있나요?그리고 PlayerController에서 EState 변수 선언을 했는데 Define.Estate라고 안하고 바로 EState 라고 하셨는데 이게 어떻게 가능한건가요?

안녕하세요.df = df. groupby로 하니까 결과값이 이렇게 나와서요. 기존 해설에 되어있는대로 하면 잘 나오는 데 왜 그런건지 궁금합니다!그리고 sum에 numeric_only=True를 넣으니까 되는데 그냥 오류인가요? # your code import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p1/members.csv") df = df.fillna(method = 'bfill') #앞의 값은 ffill #df.isnull().sum() df = df.groupby(['city','f2']).sum(numeric_only=True) #groupby한 뒤에는 df안넣기? df.head()

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요.2유형에서 원핫인코딩, 레이블인코딩이 있는데 보통 레이블 인코딩이 점수가 더 좋게 나오나요? 아니면 그때그때 평가지표로 확인을 해봐야 하나요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요마지막에 metrics로 평가지표 만들어서 점수확인해보는 행위 안하고 그냥 제출해도되나요? 방법이 너무많아서 이젠 좀 헷갈리네요 ,, 만약 그렇게하려면 코드는 rf = RandomForestRegressor(random_state=0)rf.fit(train, target)# 예측 후 제출파일 생성pred = rf.predict(test)submit = pd.DataFrame({'pred': pred})submit.to_csv('result_7.csv', index=False) 이렇게 짜도 되나요?

강의 9분 20초 경부터 설명하는 pdf 내용모델에 데이터를 담을 때는 이름이 필요하다. 이름은 @ModelAttribute에 지정한 name(value) 속성을 사용한다. 만약 다음과 같이 @ModelAttribute의 이름을 다르게 지정하면 다른 이름으로 모델에 포함된다.@ModelAttribute("hello") Item item -> 이름을 'hello'로 지정model.addAttribute("hello", item); -> 모델에 'heelo' 이름으로 저장 이 설명에 대해서 궁금한 점이있는데요. 만약 다음과 같이 @ModelAttribute의 이름을 다르게 지정하면 다른 이름으로 모델에 포함된다. 이 부분이 이해가 잘 가지 않습니다. 위 두 코드 모두 모델의 키(이름?)이 결국 'hello'로 사용되고 뷰에서 또한 hello로 데이터를 꺼낼 수 있는 것 아닌가요? 그런데다음과 같이 @ModelAttribute 이름을 다르게 지정 이라는 부분 때문에 헷갈립니다.. 어느 부분이 다른건지 모르겠고 제가 어느 것을 놓치고 있는지 잘못이해하고있는지 잘모르겠습니다. 둘다 hello로 모델에 저장되는 것은 매한가지같은데 어느 부분이 차이점이라는 것인가요?   

env 파일을 만드는 내용 이외엔 수업 내용대로 진행하였는데, 퍼블릭 ip를 브라우저에서 열어보려니 접속이 안되네요.. env 파일을 제대로 만들지 않으면 안되나요??

안녕하세요! 먼저, 강의 잘 듣고 있습니다.강의에서 설명해주신 방법대로 수업자료를 다운받았는데, 아래 파일명의 압축파일이 다운받아집니다. 00_PANDASPLOTLY_FUNCODING_FIRSTDATA상기 폴더로 업로드 해두신게 맞는지 확인 부탁드립니다. 상기 폴더에는 아래 3가지 하위폴더만 존재하며영상에서 설명해주신 python_core_summary.ipunb 파일은 존재하지 않습니다..답변 부탁드립니다. 감사합니다 :)  - 강의 영상에 대한 질문이 있으시면, 상세히 문의를 작성해주시면, 주말/휴일 제외, 2~3일 내에 답변드립니다 (이외의 문의는 평생 강의이므로 양해를 부탁드립니다.)- 강의 답변이 도움이 안되셨다면, dream@fun-coding.org 로 메일 주시면 재검토하겠습니다. - 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요.

begin play 끝에 delay는 연결했는데 3d widget 띄우는 함수가 뭔지 모르겠어요..

우선 좋은 강의 만들어주셔서 정말 감사드립니다.이번에 새로 출시된 강의 "eks를 활용한 spring 운영서버 배포(feat. devops의 모든것)"  이 강의 질문 할 곳이 없어서 여기다가 질문을 드립니다. 양해 부탁드립니다. 제가 쿠버네티스 지식이 없다보니 질문 드리는 건데요. 해당 강의 경우 무중단 배포로 진행 되는 강의 인지 궁금 합니다. 아무래도 실전에서는 무중단 배포로 진행 해야 하는 경우 많아서 이렇게 질문 하네요. 감사합니다.

ADC는 가변저항기로 돌리면서 전압을 발생시키는 도구아닌가요?? 전압을 측정하는거라고 나와있어서 기존 알고있는것과 달라 헷갈려요!

데이터에서 'solar'와 'o3' 값을 고정한 상태에서, 'wind'의 세기가 증가함에 따라 'temperature'가 감소하는지를 검증하기 위해 다중 선형 회귀 분석을 수행하라고 해서 저는 ols('temperature~wind',data=df).fit()했는데 왜 이렇게 하면 안 되나요?

Experience Load #2 강의 12:48 부분.라이라 디폴트 익스피리언스에 이폴트 폰 데이터 설정 해야하는데 SimplePawnData가 안 나옵니다. 프로젝트 세팅-에셋매니저에서 뭐 해줘야하나 클론코딩 완료 프로젝트 봤는데 그런거 없던데...

async function getData() { const jsonData = [ { id: 1, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img1.jpeg', }, { id: 2, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img2.jpeg', }, { id: 3, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img3.jpeg', }, { id: 4, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img4.jpeg', }, { id: 4, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img4.jpeg', }, { id: 5, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img5.jpeg', }, { id: 6, productName: '버그를 Java라 버그잡는 개리씨 키링 개발자키링 금속키링', price: 12500, stokeCount: 100, thumbnailImg: 'assets/img6.jpeg', }, ]; const response = new Response(JSON.stringify(jsonData), { status: 200, statusText: 'OK', headers: { 'Content-Type': 'application/json', }, }); fetch('https://test.api.weniv.co.kr/mall') .then((res) => { if (!res.ok) { throw new Error(`HTTP error! status: ${res.status}`); } return re.json(); //응답을 json으로 파싱 }) .then((data) => console.log(data)) .catch((error) => console.log('Error:', error)); const productData = await response.json(); return productData; } function createProductCard(product) { const card = document.createElement('section'); card.classList.add('card'); card.innerText = 'hello world'; return card; } function render(product) { const container = document.querySelector('.container'); container.innerHTML = ''; products.forEach((product) => { const card = createProductCard(product); container.appendChild(card); }); } async function main() { const productData = await getData(); render(productData); }