작업형3 로지스틱 회귀분석 이론 강의에서는 로지스틱 함수로 모델 생성 후 test 데이터로 예측할 때 target를 빼지 않고 바로 예측을 진행했는데, 제7회 기출문제에서 예측할 때는 pop으로 target을 빼고 예측을 수행했습니다. 어떤 경우에 pop을 사용 후, 예측을 수행해야 하는지 차이점을 알고 싶어 질문드립니다. # 데이터셋 분할 train = df.iloc[:210] test = df.iloc[210:] # 1) 학습, test데이터를 사용해 예측 (0.5 미만: 0, 0.5 이상 1) model = logit("gender ~ weight", data=train).fit() target = test.pop("gender") pred = model.predict(test) > 0.5
서브에이전트 강의 듣던중 궁금증이 생겨 문의 드립니다. 병렬처리를 할때 전체 작업에대한 md파일을 하나 만들고 클로드 코드를 n개 켜서 진행 하는거로 알고 있었는데요. 서브에이전트롤 활용하면 (별도의 thread? 같은 개념인가..) 여려개의 클로드 코드를 실행하지 않고 하나의 클로드코드에서 병렬처리를 할수 있을까요? 할수 있다면 어떤게 더 효율적인지 궁금합니다.
(AI 퀀트) 코드 한 줄 안 쓰고 주식 자동 분석 시스템 만들기 feat. Claude CLI
Part1. 제공해주신 프롬프트 - min_trading_value: 5000000000 ( 거래대금 최소 50억원 ) Part3. 프롬프트 scorer.py 에 score volume(self, stock: StockData) 메서드를 추가해줘. 거래대금( stock.trading _value) 기준으로 점수를 매겨: 3점: 1조 이상 (1_000_000_000_000) 2점: 5천억 이상 (500_000_000_000) 1점: 1천억 이상 (100_000_000_000) 0점: 1천억 미만 mandatory_passed → news >= 1 and volume >= 1 (필수 조건 통과 여부) Part3에서 1천억 미만이면 필수 조건을 통과하지 못하기 때문에 Part1의 거래대금 50억으로 필터링하는게 의미가 없어 보입니다. AI가 이 모순을 찾더군요.
강의를 들어보니 현재 시스템은 빅테크에 핏된 것으로 보입니다. 만약 제가 생각하는 유망한 종목들을 후보군에 넣으려고 한다면 수정해야할 사항이 적진 않아보입니다. 기존 nasdaq_top_100외에도 다른 종목들을 추가할 수 있는지, 가능하다면 어떤 식으로 변경이 이뤄져야하는지가 궁금합니다. 매수 후보 루프에 사용되는 ML모델(predict.py) 가격데이터 수집 후보군(stock.py nasdaq_top_100 대신 다른 필드 추가?) 주가 관련 컬럼 목록 정의 수정(stock_columns) 등등..
과제를 따라가면서 하다가 user-memory-setup 폴더에 /memory를 입력하면 .claude 폴더도 안만들어지고, CLAUDE.md 파일도 안 만들어집니다. 그래서 클로드를 통해 해당 폴더랑 파일은 만들어서 안에 나의 정보를 작성하고 /memory를 입력했음에도 불구하고 ~/.claude/ CLAUDE.md 0L, 0B 표시만 뜹니다. 폴더도 확인했는데 왜 이렇게 뜰까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 예시문제 작업형2(2025v)에서 저는 아래와 같이 문자는 제외하고, rmse (max_depth, n_estimators 최적화도 진행함)를 구했는데요! 레이블인코딩하지 않은 경우라면, 채점시에 점수가 낮아질 확률이 높아지나요?? 합불에 크게 영향을 주는 지 궁금합니다. train= train.select _dtypes(exclude='O') test= test.select _dtypes(exclude='O') 추가로 제가 작성한 코드를붙입니다! train=train.dropna(axis=1) test=test.dropna(axis=1) train= train.select _dtypes(exclude='O') test= test.select _dtypes(exclude='O') # print(train.shape, test.shape) # print(train.isnull().sum().sum()) # print(test.isnull().sum().sum()) from sklearn.model_selection import train_test_split X_tr,X_val,y_tr,y_val = train_test_split(train.drop('총구매액', axis=1),train.pop('총구매액'), test_size=0.2, random_state=0) # print(X_tr.shape,X_val.shape,y_tr.shape,y_val.shape) from sklearn.ensemble import RandomForestRegressor rf=RandomForestRegressor(random_state=0,max_depth=7, n_estimators=200) rf.fit (X_tr,y_tr) pred=rf.predict(X_val) from sklearn.metrics import root_mean_squared_error print(root_mean_squared_error(y_val,pred)) #base 820.5860282970249 #3,100 875.2260812472606 #3,200 873.5386940171521 #3,400 874.1382881938769 #5,400 824.3641497143064 #5,200 818.239922754944 #7,100 804.8452832752822 #7,200 804.418493364831 // #10,300 814.7390378036772 # 10,100 820.1853548789979 pred=rf.predict(test) pd.DataFrame({'pred':pred}).to_csv('result.csv',index=False) print( pd.read _csv('result.csv'))
기존 pro요금제 구독을 끊고, api key 방식으로 갈아타려고 했으나, Purchasing prepaid credits is not allowed before upgrading your plan. 라는 문구가 뜨면서 거래가 거절되네요. 찾아보니, pro plan을 먼저 구독 하고 나서 api key 방식을 사용할 수 있는 것처럼 보이는데요
24강 전체 파이프라인 호출하는 것 까지 들었는데요. 깃 클론으로 내려받은 코드에는 강사님이 24강까지 강의한 내용의 코드가 이미 구현이 되어있는 것 같은데요. 저는 22강부터 24강까지 따라서 구현을 하면 이미 있는 강사님이 구현한 파일에 제가 새롭게 덮어쓰는게 되는 거죠? 제가 이해하고 있는게 맞나요?
