안녕하세요 수업 너무 잘 듣고 있습니다. 수업중에 "변동성이 너무 크면, 통계적으로 접근하기 어려운 데이터가 된다"는 말씀을 주셨는데 왜 그런지 직관적으로 이해가 되지 않아서 질문드립니다. 변동성이 너무 큰 상황에서도 많은 반복을 하면 예상하는 margin을 기대할 수 있는 것이 아닌가 싶은 생각이 들기도 합니다. 설명 기다리겠습니다. 감사합니다.
수강 잘 듣고 있습니다. 예시를 토대로 설명해주시면서 외워야 될것이나 중요한 부분을 말씀해주시는데 튼튼하게 잡아서 가고 싶은데 어렵다 보니 놓치는 부분들이 좀 있네요.. 문제풀이 할 때 설명을 또 해주시는건지 아니면 강의 도중 중요하거나 외워야 될 것들은 한번만 이야기 해주시 는지 궁금하네요.
안녕하세요. 8회 작업형 2 관련해서 회귀문제라서 1.수치형 변수에 대해 minmaxscaler 2.범주형 변수에 대해 원핫인코딩 후 3.RandomForestRegressor(random_state=0) 학습결과를 제출했는데 적합한 모델로 돌린것인지 궁금합니다 * random_state=0 미작성시 mae값이 더 좋았는데 다시 생각해보니 에러값이라 작을 수록 좋은데 헷갈려서 '0' 적용한 값으로 제출했네요 결과 제출 시에는 test 데이터 행 개수 2064개 동일한것은 확인하였고 sklearn.metrics import mae 적용한값이 0.0000*** 소수점으로 출력된것으로 기억하는데 다른 분들 93,94는 아니었던 것 같아서 이런경우에는 오답처리되는 것인지 문의드립니다;;
안녕하세요. 일코님 강의 들으면서, hwp를 데이터베이스로 활용하는 방법을 많이 고심하고있는데요. 예를들어 영어 구문 1000문장이 데이터베이스로 아래와같이 hwp상의 표로 존재한다고 할때, 위와 같이 번호별로 영어구문의 답지를 데이터베이스로 삼고, 학생별로 틀린 문장을 기록한뒤에 함수를 작동시키면 학생별로 틀린 문항번호의 답지만 hwp로 출력할 수 있게 해주고자 합니다. 그런데 문제는, 학생별로 틀린문장이 다 다르기 때문에, 학생별로 뽑아줄 hwp의 표의 행 수를 미리 정해놓을 수 없다는 점입니다. 그렇다고 표의 행수를 무작정 많이 만들어놓으면, 표의 행이 너무 많이 비게 되어 종이 낭비가 발생하구요.. 논리적으로 이 문제를 어떻게 해결할 수 있을까요? 늘 감사합니다^^
안녕하세요 선생님. 작업형 2유형 답안 제출 관련 문의 드립니다. 작업형 2유형 문제를 해결하면서 선생님이 알려주신 단계대로 차근차근 진행하여 csv예측 파일까지 잘 작성했습니다. 마지막에 작성된 csv파일을 확인하는 Print( pd.read _csv("result.csv))구문만 빼고 전 단계의 print구문은 다 주석처리 하고 마지막에 최종 1회만 제출했습니다. 앞 단계의 print구문들은 주석처리 하여도 제가 작성하였던 코드만 실행된 상태로 제출되면 감독관이 체점하는대는 아무 문제 없는게 맞을까요?
안녕하세요. 강사님 수업듣고 큰 도움을 받은 수강생입니다. 먼저 감사하다는 말씀드리고 싶네요. 비전공자로 막연한 관심에 파이썬이 뭔지 궁금해하다가 빅데이터 분석기사 시험이 파이썬으로 할수있다는 정보를 알게되고, 시험응시를 하면서 공부해볼 수 있겠구나 싶어서 시작해봤습니다. 막상 꾸준히 공불못해서 필기도 실기도 벼락치기하면서 시험을 치뤘지만, 앞으로 데이터분석가 수준으로 조금 더 딥하게 공부해보고 싶은 마음이 생겼습니다. 강의에서 캐글, 데이터분석 대회, 스터디 참여 등을 추천해주셔서 해보려고 합니다. 대신 조금만 더 구체적으로 파이썬을 활용하거나 꼭 그렇지않더라도 딥러닝 영역까지 학습하고 숙련할 수 있는 방법론에 대한 의견을 여쭙고 싶습니다. 감사합니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 이번 시험에서 작업형2 문제 풀이 과정입니다 Test 데이터에 총 3개의 범주형 컬럼이 존재 하였습니다. 월, 요일, 네임 이때 각 고유값은 12,7,2 여서 따라서 월과 요일은 라벨인코딩 / 네임은 겟더미즈 로 각각 하였습니다. 이후 모델 성능을 비교파기 위해 랜덤포레스트와 라이트지비엠을 사용 하였습니다. 랜포리그레서로 학습시키고 예측할 땐 random_state 만 고정한채 mae로 평가하였더니 140 정도였고 XGBM리그레서로 학습시키고 mae로 평가하니 108 정도 나왔습니다. 이때도 딱히 하이퍼 파마미터튜닝은 진행하지 않았습니다. 따라서 test 데이터를 xgbmregressor에 적용하여 예측한 결과를 제출하였습니다. 다만 여기서 lightgbm 을 사용하신 분들이 랜덤포레스트에서는 없었던 음수값이 예측에 나왔다고 하는데, 전처리를 동일하게 하고 평가도 좋게나온 모델의 결과가 저렇게 오류로 나올 수가 있나요..?그냥 남들 다 쓰는 랜포 쓸걸 괜히 lightgbm 알아서 쓴거 같다는 기분이 듭니다 ㅜㅜ