작업형2에서는Import pandas as pdtrain = pd.read_csv()train = pd.read_csv()여기까진 작성되어있다고 하셨는데 작업형3에서는import pandas as pddf=pd.DataFrame~~~이것도 작성되어있나요?실지 시험에서 바로from scipy import stats~~들어각거나 작업해도되는지 궁금합니다  2 문제에서 정규성 따른다 말 없으면Shapiro부터하는거 맞죠?Shapiro에 피밸류가<0.05이면 귀무가설 기각인데여기서 귀무가설은 정규분포를 따른다 니까 이걸 기각하면결국 정규분포를 따르지 않아서-> 비모수검정으로 가는거 맞을까요? 3.“{:.11f}”.format~ 이랑 ”{:.10f}”.format은 차이점이 뭔가요??이렇게 했을때 실제 값에서 반올림? 되는거 같던데 그냥 실제로 소수점 해서 적는거랑저렇게해서 끝자리수가 조금 다르게 나와도둘다 정답으로 처리해주나요? 4 보통 summary에서 나오는 값을 바로적는거랑코딩으로 해서 나올때 반올림으로 끝자리수가 차나지만 그냥 바로 summary 보고 바로 적어도 다 정답처리해주는지 궁금합니다 감사합니다  감사합니다

등분산검정은 대응과 단일에더 필요하나요?

오브젝트 데이터가 없을 때는레이블인코딩이나 원핫인코딩 안하고분리부터해도되나요?분리는 반드시 해야하는거죠??  랜덤포레스트할때는 스케일 영향이 크지 않다고 적혀있던데, 스케일 안하고 바로 해도되나요??감사합니다

실기 체험환경에서 할 때 복사, 붙여넣기하고 앞부분 혹은 중간부분만 수정을 하려고 하면 끼워넣어지는 게 아닌 뒤 글자가 삭제되어서 결국에는 다시 다 작성을 하게 되는데 다른 방법 있을까요?예를 들어train.shape 을 복사, 붙여넣기하고 앞에 test로만 수정하려고하는데 shape이 지워져서 결국 전체 다 작성하게 되는 경우입니다..

시험에서 csv를 제공하면06:00 로우데이터 부분은 공부하지 않아도 되는건가요?

P-value가 0.5 아래면 귀무(정규따름), 0.5 위면 대립(정규X,연구자주장) 으로 알고있는데 혹시 제가 잘 못 알고 있는 걸까요? 02:00P-value값이 0.0496이면 0.5보다 작아서 귀무가설 채택이 아닌가요? 헷갈립니다.. 제가 잘 못 이해하고 있는 것 같아요.

분산분석에서 일원이던, 이원 분산분석이던, 무조건 독립변수에 C()로 감싸줘야 하나요?지금까지 3유형에서 ANOVA(분산분석) 관련 문제가 나온적이 있는지 궁금합니다~!

원핫인코딩, 레이블인코딩 사용방법에 관한 질문입니다.둘 중 아무거나 사용해도 상관은 없는데 어떤 수가 작으면 유니크 수가 작으면 원핫인코딩으로 하는 게 수월하다라는 내용을 이전 강의 때 들은 것 같습니다.제가 잘 기억하고 있는지는 모르겠지만.. 06:00 한가지 컬럼에서(ID)만 수가 크게 나올 시에는 레이블인코딩을 사용하는 것이 맞을까요?레이블인코딩과 원핫인코딩 중 하나만 기억날 시 기억나는 거라도 작성해서 제출해도 될까요?

랜덤포레스트를 외울 때 Classifier로만 외우다보니 오류가 나서 재확인을 해봤습니다.Regressor도 붙여서 사용하더라고요.제가 한가지만 외워서 오류가 났던 걸 확인했습니다.질문드릴 점은 언제 어떤걸 쓰는지가 구분이 안됩니다...

안녕하세요 강사님 ^^다름이아니라 시험 전 2유형 코드 여쭤보려고 질문 남깁니다!2유형 이렇게만 하면 될까요? 중간에 검증과 평가를 제외해서,, 확인 한번만 부탁드립니다! target = train.pop('타켓명')train = pd.get_dummies(train)test = pd.get_dummies(test)test = test.reindex(columns=train.columns, fill_value=0) #train과 test 컬럼명이 다르다면 수행 from sklearn.ensemble import RandomForestClassifier/Regressorrf = RandomForestClassifier/Regressor(random_state =0)rf.fit(train, target) pred = rf.predict(test)submit = pd.DataFrame({'pred':pred})submit.to_csv("result.csv', index=False)print(pd.read_csv("result.csv").head()) #제출파일확인print(pd.read_csv("result.csv").shape) #제출파일확인  

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요 문제 1번의 경우 결측치 행을 제거하면 행이 51개가 나오는데 앞에서부터 70퍼면 35.7 이라는 숫자가 나옵니다. 문제에서 반올림 할건지 버림으로 정수형으로 나타내는지 언급이 없어서 두 방법을 사용할때의 답이 다른데혹시 복수정답의 여지는 없나요? 문제에서 표현이 명확하지 않은 것 같습니다. 아니면 이렇게 모호할때는 버림으로 정수형 나타내는게 정배인가요? 감사합니다

오류율을 구할때 target을 pop하지 않아도 되는건가요?이전 강의에선 pop을 했던것같은데, 연습문제 9.로지스틱 회귀 8번 정확도에서 pop하지 않는데 상관없나요?target = test.pop('gender') pred = model.predict(test) > 0.5accuracy = accuracy_score(target, pred) print(1-accuracy)# 8. 정확도 pred = model.predict(b) pred = (pred > 0.5).astype(int) from sklearn.metrics import accuracy_score accuracy = accuracy_score(b['target'], pred) print("8.", accuracy)

안녕하세요. 기출 10회를 다시 풀어보고 있는데, 작업형 2에서 타겟 변수에 0이 있는 경우를 처리를 하는지 안하는지에 따라 rmse 값이 차이가 꽤 크더라구요. 이렇게 차이가 꽤 있는데도 결측치를 처리한 경우와 안한 경우 둘다 만점을 받을 수 있던 문제였나요? #타겟변수에서 결측치를 제거한 경우의 rmse rf_rmse = 673.8026644431536 #타겟변수에서 결측치를 제거하지 않은 경우의 rmse rf_rmse = 960.485846380754

08:51타겟 시각화는 어차피 지원 안한다고 하였고..분포도 꼭 외워야 할까요 ㅠ

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요굳이 포맷 써서 안바꾸고 아래처럼만 제출해도 상관없나요?5.8686553916715e-06)

안녕하세요 급하게 강의를 시작하게 되어서 몇개씩만 빠르게 수강중입니다. 죄송하지만 빠르게 수강중이라 놓친 내용들이 많아서 질문드립니다. 혹시 강의에서 나온 내용들이 정리되어 있는 사이트나 직접 연습을 해볼 수 있는 사이트가 있을까요? 강의 처음에 read_csv() 를 불러올때 파일 등이 있는 위치가 궁금합니다.

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요roc_auc_score 가 평가지표로 지정된 분류문제에서 rf.fit(X_tr, y_tr)로 학습하고pred= rf.predict_proba(X_val) 로 pred를 만든 후from sklearn.metrics import roc_auc_scoreroc_auc_score(y_val, pred[:,1]) << 이 부분과pred=rf.predict_proba(test)result= pd.DataFrame({'pred': pred[:,1]}) << 이 부분 이렇게 딱 두 파트에서만 쓰이는 게 맞나요? 기출 3회 노트에서는 pred = rf.predict_proba(X_val)[:,1] 과 roc_auc_score(y_val, pred) 그리고 pred = rf.predict_proba(test)[:,1] 이렇게 쓰셨는데 시나공 교재에서는 제가 위에 썼던 것처럼 풀이가 돼있습니다

pred = rf.predict(test) result = pd.DataFrame({"pred" : pred}) result.to_csv("result.csv",index = False)pred = rf.predict(test) submit = pd.DataFrame({"pred" : pred}) submit.to_csv("result.csv",index = False) pd.read_csv로 찍어보면 두 코드다 동일한 결과를 보이는데마지막 제출단계에서 아래 코드 submit 말고 위에 코드 처럼 result를 사용해서 제출해도 상관 없을까요?