7회 작업형 3문제를 보면 glm('종소변수 ~ 독립변수1 + 독립변수2 + 독립변수3', data=df).fit() 이런식으로 작성하던데 분산분석에서는 ols('종속변수 ~ 독립변수1*독립변수2') 이렇게 하던데 어떨 때 독립변수를 +만 하는지, 어떨 때 독립변수를 *하는지 헷갈립니다.

아래 문제해설을 보니 pred = rf.predict(X_val) 로 반영 pred = rf.predict(test) 로 반영해도 문제없나요?# 랜덤포레스트 from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=0) rf.fit(X_tr, y_tr) pred = rf.predict(X_val) f1_score(y_val, pred, average='macro')

안녕하세요. 마지막에 저희 행/열 확인하잖아요.  거기에서 2154 , 1이 나오는데답변 행 : 2154test 행 : 2154동일하다는 걸 검증하는거죠?   <class 'pandas.core.frame.DataFrame'> RangeIndex: 2154 entries, 0 to 2153 Data columns (total 10 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 ID 2154 non-null int64 1 Gender 2154 non-null object 2 Ever_Married 2154 non-null object 3 Age 2154 non-null int64 4 Graduated 2154 non-null object 5 Profession 2154 non-null object 6 Work_Experience 2154 non-null float64 7 Spending_Score 2154 non-null object 8 Family_Size 2154 non-null float64 9 Var_1 2154 non-null object dtypes: float64(2), int64(2), object(6) memory usage: 168.4+ KB ID pred 0 458989 2 1 458994 3 2 459000 3 3 459003 3 4 459005 1 ... ... ... 2149 467950 4 2150 467954 4 2151 467958 2 2152 467961 2 2153 467968 4 [2154 rows x 2 columns]

안녕하세요.제2회 기출, 제2유형 아래와같이 풀어봤는데 확인 부탁드립니다.랜포활용검증안함 검증은 어차피 시험에 반영안되고,랜포밖에 할 줄 몰라서 이것만 암기했어요. 도저히 다른거 풀 자신이 없어서 시험 제2유형의 모든문제는 아래 패턴으로 진행하려합니다. 혹시 이렇게 진행해도되는지 문의드립니다. # 데이터 불러오기 import pandas as pd test = pd.read_csv("X_test.csv") train = pd.read_csv("X_train.csv") y_train = pd.read_csv("y_train.csv") X_train.shape, y_train.shape, X_test.shape # train.info() # test.info() # y_train.info() target = y_train.pop('Reached.on.Time_Y.N') train = pd.get_dummies(train) test = pd.get_dummies(test) train, test = train.align(test, join='left', axis = 1) from sklearn.model_selection import train_test_split x_tr, x_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0) from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state = 0) rf.fit(x_tr, y_tr) pred = rf.predict_proba(test) test_ID = test.pop('ID') submit = pd.DataFrame({'ID' : test_ID, 'Reached.on.Time_Y.N' : pred[:,1]}) submit.to_csv('result.csv', index=False)

기출2회, 제2유형의 해설 관련저는 아래 랜포사용해서 진행했는데,아래와 같이 predic_proba 사용했으므로1차원 배열로 바꿔줘야하나요?  DataFrame 'pred' : pred[:,1] 해줘야 1차원으로 변경되는지 문의드립니다. from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state = 0) rf.fit(x_tr, y_tr) pred = rf.predict_proba(test) test_ID = test.pop('ID') submit = pd.DataFrame({'ID' : test_ID, 'Reached.on.Time_Y.N' : pred[:,1]}) submit.to_csv('result.csv', index=False)   # 랜덤포레스트 model = RandomForestClassifier(random_state=2022) model.fit(X_tr, y_tr) pred = model.predict_proba(X_val) print(roc_auc_score(y_val, pred[:,1]))

여기서 평가 지표가 정확도, 정밀도, f1score 등 많은데 왜 roc_auc_score인 proba로 예측하고 정리할 때 roc_auc_score로 확인하는지 궁금합니다

안녕하세요 강의 잘 듣고 있습니다 !영상에서 예를 들어 선생님께서는 이렇게 cols만 붙이시거나 train.head()이렇게만 하시는데 실제 시험에서는 모든 식 앞에 print()를 붙여야 하나요?또, print를 붙여야 되는 식은 어떻게 구분하는지 질문드립니다 !cols = train.select_dtypes(include="object").columns colscols = train.select_dtypes(include="object").columns print(cols)

안녕하세요, 강의 中 내장 함수 관련한 내용을 보고서 아래와 같이 실습해보니listbox = [2,4,6,8,10]을 기준으로 sum을 하면 정상적으로 30이 실행되지만,물리적으로 모든 원소를 더해준 값을 프린트 한 값과의 비교는 다르다 뜹니다.파이썬 비교 연산자(혹은 모든 연산자)들은 자료형을 기준으로 출력이 되나요? [실습] 

안녕하세요, 강의 中 형변환 관련한 내용을 보고서 아래와 같이 실습해보니제가 만든 변수의 타입은 int가 아닌 str로 뜹니다.그 이유는 변수를 재정의 하지 않고서 형변환 후 계산만 이행해서 일까요? [강의] [실습] 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요24: 40쯤 영상입니다 제가 넣은 코딩은 이거이고 그 전까지는 결과값이 쌤이랑 동일 했습니다. from xgboost import XGBClassifier xgb = XGBClassifier() xgb.fit(X_tr[cols], y_tr) pred = xgb.predict_proba(X_val[cols]) pred[:10]array([[9.6185881e-01, 3.8141213e-02], [9.9447620e-01, 5.5237846e-03], [5.2776355e-01, 4.7223645e-01], [9.1258293e-01, 8.7417044e-02], [7.4549425e-01, 2.5450572e-01], [9.8757923e-01, 1.2420748e-02], [9.9907589e-01, 9.2413591e-04], [8.6976409e-01, 1.3023594e-01], [1.8734336e-03, 9.9812657e-01], [9.2717761e-01, 7.2822370e-02]], dtype=float32)이거로 쌤이랑 다르게 나오는데 이유를 모르겠슴니다 ㅠ

 빅데이터분석기사 교제 158p~209p 까지의 내용은 무슨 강의를 들으면 되는건가요?

8:20 이후 문제 1-3을 할 차례인데 하지 않고 2-1문제로 강의가 넘어갑니다. 1-3 문제는 어디서 다루나요?

아래와 같이 기출2번 제1유형에서  제가 df = df.iloc[ ~ 막 작성하면서 자료가 한번 망가졌는데, 지금이야, 다시 파일로드해서 공부하면되지만시험장에서 자료만들다가 dt가 망가지면 어떻게 복구할 수 있나요? 다시 처음부터 할 수 있는지 방법 문의드립니다.  

학습 관련 질문을ㅇ 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요 퇴근후딴짓님.마지막 답이 이런식으로 나오는 그대로 제출해도 되나요?? 퇴근후 딴짓님 코드 그대로 입력햇는데 아래 처럼 나오는데요.앞에 int()로 묶어도 점수에 영향이 없나요?? 아니면 아래 그래도 제출해도 되나요??np.int64(313)

기출6회 제2유형 질문 해설보니아래 내용중에서해설 : pred = rf.predict(x_val)제답안 : pred = rf.predict(test) 위 내용이 다른데 어차피 제출할때 써야하는 내용이므로 test로 진행해야되지않을까요? 어떤게 답인지몰라문의드립니다.# 랜덤포레스트 from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=0) rf.fit(X_tr, y_tr) pred = rf.predict(X_val) f1_score(y_val, pred, average='macro')

안녕하세요.온보딩 기간: 4월 28일 ~ 5월 9일온보딩 기간 중 파이썬과 판다스를 미리 학습 부탁드립니다. 스터디에서는 문제 풀이 참여 중심으로 진행 예정입니다.오징어게임 관련해서 이런 안내가 있는데전체 강의 중 최소한 ‘섹션3. [작업형1] 판다스’까지는 학습 완료해야 한다고 이해하면 될까요?

작업형2 모의문제3에서 xgb모델을 사용할 때 max_depth 기본 설정이 3으로 되어 있어서 max_depth=3을 코드에 넣었을 때와 넣지 않았을 때가 값이 똑같아야 한다고 설명해주셨는데 저는 값이 다르게 나와요. 왜 다르게 나올까요..그리고 머신러닝 강의를 따라하다보면 결과 값이 종종 영상과 다르게 나오는 경우가 있는데 코드를 똑같이 작성해도 값이 다를 수 있나요?from xgboost import XGBClassifier xgb=XGBClassifier(random_state=2022) xgb.fit(X_tr,y_tr) pred=xgb.predict(X_val) pred_proba=xgb.predict_proba(X_val) print(roc_auc_score(y_val, pred_proba[:,1])) print(f1_score(y_val, pred)) print(accuracy_score(y_val, pred)) ->0.9192546583850931 0.8444444444444444 0.8108108108108109 from xgboost import XGBClassifier xgb=XGBClassifier(random_state=2022, max_depth=3) xgb.fit(X_tr,y_tr) pred=xgb.predict(X_val) pred_proba=xgb.predict_proba(X_val) print(roc_auc_score(y_val, pred_proba[:,1])) print(f1_score(y_val, pred)) print(accuracy_score(y_val, pred))->0.8975155279503105 0.8444444444444444 0.8108108108108109

for col in cols le = labelencoder()C_Train[col] = le.fit_transform(C_train[col])  여기에서요. col 이라는 피처는 for col 반복문 에서 처음 생겼는데 C_train[col] 변수에 담을 transform(c_train[col])의 피처 col은 어디서 생겨난지 모르겟어서요.. 반복문 처음에 col로 피처를 생성한거를 c_train[col]이라고 명시하는 순간 col 칼럼이 생기면서 그 값을 알아서 가져오는 건가요???

원래 원핫인코딩은 범주형 변수에만 적용가능하지 않나요? 강사님께서는 굳이 수치형과 범주형을 나누지 않고 train = pd.get_dummies(train), test = pd.get_dummies(test)하셨는데 이렇게 굳이 나누지 않고 원핫인코딩을 적용해도 괜찮나요?

df = pd.read_csv("data.csv", index_col="Unnamed: 0")# your codedf=df.T df.head() #print(df[2001].mean()) a=sum(df[2001]>df[2001].mean()) #print(df[2003].mean()) b=sum(df[2003]<df[2003].mean()) print(a+b) 이렇게 풀어도 괜찮은걸까요??