코랩 환경에서 실습을 진행하는데..꽤 자주 엄청 버벅이고 타이핑하면 한 2~3초 정도 뒤에 글자가 나타나고 이러는 경우가 계속해서 발생하는데해결할 수 있는 방법이 있을까요??

실제 시험에서 답안 제출 후에 수정하거나 다시 제출 가능한가요??

summary() 와.summary_frame(alpha=0.05)의 차이

f1 컬럼의 결측치가 있는 행을 삭제하는 코드를 실행하면 이렇게 오류가 나는데 어떻게 해결해야 하나요? ㅠㅠ  학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요

제 코랩에서 해보려고 하는데 데이터는 어디에서 다운받나요?

아래 2개의 카이제곱 검정식은 동일한건가요?  <46.독립성검정> 강의from scipy import statsstats.chi2_contingency(df) <57. 예시문제 작업형3>from scipy.stats import chi2_contingencychi2.contingency(df) 

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

안녕하세요 강사님 강의 너무 잘 듣고있습니다. 작년 1회차에 실기 취득을 위해 강의를 구매했었는데 시험기간과 겹쳐 공부하지 못하고 이번 회차에 다시 신청했습니다강의 수강기간이 다음주 28일까지인데 28일까지 웹 프로젝트 개발 발표일정이 있어서 강의 기간을 조금 연장해주실 수 있을까요 ?메일주소는 thdus1770@gmail.com입니다 !!

안녕하세요!'[작업형2] 머신러닝 New'에 업데이트된 강의를 모두 수강한 경우,기존 강의에서 '모델링 및 평가(회귀)' 만 추가로 수강하면 될까요?

똑같이 신뢰구간을 구하는데 왜어쩔때는 위에 코드를 사용하고 또 다른 경우에는 밑에 코드를 사용하는건가요 ?model.conf_int(alpha=0.05) pred = model.get_prediction(newdata) pred.summary_frame(alpha=0.05)

회원ID는 고유한 값인데도 수치형 데이터로 넣어서 예측을 해야하나요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요, 먼저 항상 좋은 강의 제공해 주셔서 감사합니다 지난 연말 탈락이후 재응시예정이었지만 최근 갑작스럽게 목디스크가 있단 진단을 받아 통증이 심해지면서 강의를 제대로 소화하기 어려운 상황이 되었습니다. 이에, 혹시 인강 수강 기간을 2개월만 연장해주실 수 있을지 정중히 부탁드립니다. 몸이 회복되면 하반기 시험을 목표로 다시 차근차근 준비할 계획입니다. 너무 개인적인 사정이라 죄송하지만, 간곡히 요청드립니다. 긍정적인 검토 부탁드립니다.감사합니다. 혹시몰라 메일주소 남깁니다jswook93@gmail.com

데이터를 불러오는 코드가 이미 있는데저 환경에 데이터가 들어있는걸까요?train.head()해도 데이터는 안보이고..그리고 shift+enter가 아니라 매번 실행버튼을 눌러야하는걸까요?

강의에서 알려주시는 코랩파일은 어디에서 다운로드 받을 수 있나요?엑셀 파일이나 마인드맵 자료는 다운 받았습니다.

from sklearn.preprocessing import MinMaxScaler Scaler = MinMaxScaler() df_Scaler = Scaler.fit_transform(df[['qsec']]) re=df_Scaler>0.5 re.sum()

사후검정방법이 꽤 여러가지있고 그 중에 두가지를 반복해서 알려주시는데, 둘중에 하나만 숙지해도 될까요?

일원 또는 이원분산분석 모두 독립변수가 범주형이면 다 c를 붙이는지요?

강사님 안녕하세요! 두가지 질문이 두 가지 있습니다.1)from sklearn.model_selection import cross_val_score scores = cross_val_score(train, y scoring = 'f1_macro', cv=5) 이거 대신에train_test_split(train.drop('Segmentation',axis =1),train['Segmentation'], test_size = 0.2, random_state =0 ) 이렇게 데이터를 나눈 뒤, 평가를 해도 되는지 궁금합니다. 2)그리고 cross_val_score를 쓰지 않고, 아래처럼 기존에 쓰던 직접 f1-score를 구해 모델 평가하는 방식도 괜찮은가요?rf_f1 = f1_score(y_val, rf_pred, average='macro') 감사합니다cols = list(train.select_dtypes(include = 'O')) cols #['Gender','Ever_Married','Graduated','Profession','Spending_Score','Var_1'] # train[cols].nunique() #(2,2,2,9,3,7) # for col in cols: # print(train[col].value_counts()) train = train.drop('ID',axis =1) test_id = test.pop('ID') # from sklearn.preprocessing import LabelEncoder # for col in cols: # le = LabelEncoder() # train[col] = le.fit_transform(train[col]) # test[col] = le.transform(test[col]) # train.head() train = pd.get_dummies(train).astype(int) #(6665,30) test = pd.get_dummies(test).astype(int) #(2154,29) # print(train.shape,test.shape) # print(train.shape,test.shape) #(6665, 29) (2154, 28) train.head() from sklearn.model_selection import train_test_split X_train, X_val, y_train, y_val = train_test_split(train.drop('Segmentation',axis =1),train['Segmentation'], test_size = 0.2, random_state =0 ) print(X_train.shape,X_val.shape,y_train.shape, y_val.shape) #(5332, 28) (1333, 28) (5332,) (1333,) from sklearn.metrics import f1_score from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state = 0, max_depth = 9, n_estimators = 700) rf.fit(X_train,y_train) rf_pred = rf.predict(X_val) rf_f1 = f1_score(y_val, rf_pred, average= 'macro') print(rf_f1) # 0.5350437339763565 /9 700 0.543685768934749 # # from lightgbm import LGBMClassifier # # lgbm = LGBMClassifier() # # lgbm.fit(X_train, y_train) # # lgbm_pred = lgbm.predict(X_val) # # lgbm_f1 = f1_score(y_val, lgbm_pred, average= 'macro') # # print(lgbm_f1) #0.5277491575057244 pred = rf.predict(test) sumbit = pd.DataFrame({'ID':test_id, 'Segmentation': pred}) sumbit.to_csv('submission.csv', index = False) pd.read_csv('submission.csv') #0.31924

07:26에서"f1 스코어로 예측할때는 확률 값이 아니라 클래스로 나누기 때문에 predict로 예측해야한다"라고 말씀해주셨는데 이 부분에서 질문이 생겼습니다!1) 확률 값으로 예측하는건 평가지표 중 roc_auc_score 뿐인지2) 만약 평가 지표로 roc_auc로 한다고 문제에 출제되었으면 제출 예시로 확률 값이 아닌 클래스 값으로 나온 것 처럼 보여도 predict_proba ()로 예측해도 되는지 궁금합니다!-> 제가 알고있기론 roc_auc_score가 평가 지표여도 predict()를 사용해서 해도 되지만, 평가 성능이 차이가 나는 걸로 알고 있는데 제대로 알고 있는건지 여쭙습니다!!

예전부터 리턴에 대해 모호하게 이해하고 있어서 질문드립니다. # 함수 정의 (리턴 값) def plus(x, y): result = x+y return result# 함수 호출 a = plus(2,3) print(a)이러면 값이 5가 나오는데# 함수 정의 (리턴 값) def plus(x, y): result = x+y# 함수 호출 a = plus(2,3) print(a)이러면 값이 NONE이 나오는 이유가 리턴이 없어서 왜 a = 2+3으로 받아들이지 못하는 건지 궁금합니다.# 함수 정의 (리턴 값) def plus(x, y): result = x+y result# 함수 호출 a = plus(2,3) print(a)이 값 또한 NONE으로 출력되는데두번째 함수 호출 코드에서 plus(2,3) 이니까 plus(2,3) = result 이고 result 는 5이니깐 a = 5이므로 print (a) 는 5가 되어야 하는게 아닌가요? return이 없으면 함수에 무엇을 대입하든 변수에 값이 저장되지 않는 느낌이네요?