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??

1번문제는 범주형 데이터 분석이라고 하셨는데 어떻게 구분하나요? 저는 처음에 이 문제가 두 집단이 있어 독립표본 검정을 사용해야겠다라고 생각했습니다.

안녕하세요 강사님, 강의 잘 듣고 있습니다.혹시 슬라이드 형태로 공유 주시는 자료를 별도 pdf나 파일로 업로드 해주실 수 있으실지 문의드립니다.e.g.) 섹션 5. [작업형2] 머신러닝 및 평가지표 -머신러닝 프로세스 매번 일부 슬라이드를 스크린샷 해서 보고 있어 살짝 불편합니다.혹시 가능할지 확인해주시면 감사하겠습니다 :)

이탈할 고객의 확률이기 때문에 인덱스가 1인 컬럼을 선택해야해서 pred[:,1] 를 쓴다고 하셨는데,이탈할 고객의 확률의 인덱스가 1인지 어떻게 아나요..?# roc-auc pred = model.predict_proba(X_val) print(roc_auc_score(y_val, pred[:,1]))

제가 일단 판다스기본 보고있는데.. 코드가 원리같은건 이해를 하겠는데 직접 타이핑할때 아직 세세하게 기억이 나질않아서 꼭 답을 보면 생각나더라구요.. 괄호 사용이나 메서드 사용법같은.. 현재 제 상태면 판다스 기본만 일단 계속 봐야하나요? 아니면 진도를 계속 나가도 되나요..? 이게 진도를 나가면서 문제통해서 배우는건지 판다스기본 완벽하게 마스터하고 나가야하는지 모르겠습니다 ㅠ

type 확인 후 cols = ['age', 'fnlwgt', 'education.num', 'capital.gain', 'capital.loss', 'hours.per.week']이렇게 수치형 데이터의 열만 복사하는 거 말고 cols = X_train.select_dtypes(exclude='object').copy()를 사용해도 되나요?

스케일링, 인코딩 등 데이터 작업후에 위로 올라가서 다시 실행하면 처음이라 결과값이 달라지고 오류가 생기는데 한 번 실행한 작업은 다시 건드리면 안되나요? 라벨인코딩, 원핫인코딩 모두 실행하고 분리한 데이터 다시 합쳤을 때 컬럼이 107로 나와야하는데 처음이랑 그대로인 15가 나오더라구요 다시 올라가서 실행하니 전부 오류가 뜹니다 ㅜㅠ!! 

원-핫 인코딩 했을 때 데이터가 0또는 1이 아니라 false나 true로 나오는데 문제 없는 건가요?false를 0으로 true를 1로 보면 될까요?

6회기출 제1유형 2번위 내용에보면교사수 구하는 문제인데,맨 위에 29.9비율 제일 높은 교사수는 20인데왜 답이 19인지 모르겠습니다.확인 부탁드립니다.

안녕하세요.제1유형 문제를 풀고, 답변을 수기로 쳐도되나요?예를들어,제3회기출 제1유형 1번답이 f1이라고하면그냥ans = 'f1'print(ans)이렇게 답을 처도되는건가 문의드립니다.

일원, 이원 분산 분석에서 정규성 & 등분산성 가정을 위반될 때 에 대한 질문이 있습니다.일원 분산 분석에서 정규성 검정은 충족하는데 등분산 가정이 충족되지 못하면 일원 분산 분석을 진행하지 못하나요?이원 분산 분석에서 정규성 검정 혹은 등분산 검정 둘중 하나라도 충족되지 못하면, 이원 분산 분석을 진행하지 못하나요? 위의 1, 2 번 질문은 강사님이 다뤄주신 프로세스에 없는 부분인데 이러한 부분이 시험 출제 가능성이 있는지 궁금합니다.감사합니다.

# age 컬럼 평균값으로 채우기 value = int(X_train['age'].mean()) print("채울 값:", value) X_train['age'] = X_train['age'].fillna(value) X_test['age'] = X_test['age'].fillna(value)강의에서는 value 함수와 print 사용해서 평균값 채우셨는데 X_train['age'] = X_train['age'].fillna(X_train['age'].mean()) X_train.isnull().sum()이렇게 간단하게 채우고 isnull().sum()으로 결측치가 0인지 확인하는 방법도 괜찮나요?value랑 print 부분이 이해하기 어렵고 실제로 적용하기도 어려울 것 같아서요 ㅜㅜ!!