문제3에서 주어진 내용이 시험과 동일한건가욥?? 주어진 데이터에서 ‘co’와 ‘nmhc’ 컬럼을 각각 Min-Max 스케일링하시오.스케일링된 ‘co’, ‘nmhc’ 컬럼의 표준편차를 각각 구하시오.‘co’ 컬럼의 표준편차에서 ‘nmhc’ 컬럼의 표준편차를 뺀 값을 소수점 3자리로 반올림하여 구하시오. 해당 3.에서 2.와 같이 '스케일링된'이라는 말이 없어서 뜬금 없지만(?) 스케일링되지 않은 ‘co’ 컬럼의 표준편차에서 ‘nmhc’ 컬럼의 표준편차를 빼서 출력했는데 이렇게 명확한 형용사가 없어도 앞 내용에 맞게 생각해서 출력해야 할까요??

연습 문제 6에서는 다수의 범주, 수치형 컬럼에 결측치가 있는데, 최빈값, 중앙값이 아닌특별히 범주형은 X로 수치형은 -1 으로 결측치를 채운 이유가 있을까요? RandomForest은 결측치가 마킹을 해도 어느정도 학습이 가능하다고 알고 있는데,다른 모델들도 마찬가지로 X, -1으로 마킹해도 학습이 가능한걸까요?아니면 RandomForest만의 장점인가요?

연습 문제 일원 분산 분석에서 ols 모델 작성할 때 C( ) 작성 안 하는 게 맞는 건가요? group에 C( )를 해줘야 하는 거 아닌가 궁금해서 질문합니다..! 

display(df) 실행했을때 에러가 뜨는데 왜 display() 함수가 실행이 안되나요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요df['f1'] = df['f1'].dropna() 안녕하세요 f1컬럼의 결측치 삭제를 선생님처럼 안하고 저처럼하면 왜 결측치 처리가 안될까요?

16:19 지점에서 "",'' 따옴표를 다르게 쓰셨는데 혹시 어떤 기준으로 나뉘는 것인지 혹은 신경안쓰고 그냥 통일하지 않아도 되는지 질문드립니다.

이상치 제거한 std값 구하는 코드를 이렇게 작성했는데 제거 전 후 std 값이 정답과 다릅니다. 어느 부분에서 차이가 나는걸까요?norm_col = df[(df['age']>0) & (df['age'].apply(lambda x: True if x == int(x) else False))]['age']std_after = norm_col.std()

값은 같게 나오는데밑에 영어로 같이 나오는 게 무엇인지, 이유를 모르겠습니다. 추가로 random_state는 어떤 기준으로 삼는지와 검증데이터분리에서는 2021인데 이후에는 2022로 바뀌는 이유를 모르겠습니다.

11:56 에 나오는 강사님의 출력값과 다르게 나옵니다. 이유를 모르겠어요... 

타겟데이터 분류는 원핫인코딩이랑 레이블 인코딩 두 가지 모두에서 하는 것 맞나요?타겟데이터 분류는 인코딩 전에 해도 상관없나요? 

이미지 선택을 맞게 여러번 눌렀으나 계속 반복적으로 저렇게 확인 창만 떠서 가입이 되지 않습니다. 어떻게 해야할까요..

둘다 1490rows x 14columns 인데ㅠ 

데이터를 보면 비료유형만 범주형변수인데물주기까지 C(물주기) 처리하는 이유가 궁금합니다.기준이뭔가요?C(비료유형) * 물주기 하면 둘다 C처리 안한거랑 결과같은데둘다 C처리해주면 결과가 바뀌네요..

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요# 2) 가장 많이 수강한 과목 필터링 id = df['id_assessment'].value_counts().idxmax() cond = df['id_assessment'] == id df = df[cond] 선생님께서는 이렇게 해주셨는데요 저는 cond = df['id_assessment'].nlargest() 이걸로 최대한 활용해서 민맥스 스케일러를 하고싶은데 nlargest로 뽑은 자료를 데이터프레임형태로 어떻게 만들 수 있을까요 ㅠㅠ 답답해 미치겠습니다

여유가 된다면 추천-케이스(1~3)도 하겠지만, 시간이 촉박하여 우선 기초 먼저 해볼까 합니다코드를 봤는데 로직의 흐름 등 내용 이해는 다 됐습니다.기출 문제를 통해서 제가 타이핑도 직접 해 볼 예정이기도 합니다.다만, 타겟 컬럼명 등 문제지에서 주어지는 내용에 따라 변동되는 부분 별도로 하고 전체적인 코드를 통으로 암기하여 가는거 괜찮을까요..?추천형은 코드가 꽤 길어 통으로 암기하기에 쉽지 않을거 같은데 기초형은 그래도 어찌 외워볼만 하다는 생각이 드네요...!

분산분석에서 정규성은 만족하는데 등분산성을 만족안하면 welch anova를 구해야 한다고 하는데 이렇게까지 나올지 의견 여쭙습니다. 외울게 많아지니까 부담스러워서요 

검증용 데이터 전후 과정에서 일관된 코드를 만들고 싶은데 과정이 헷갈려서요. ~~ train_test_split(train, target, test_size=0.2, random_state = 0)모의문제에서는 이 부분에서 train.drop('목표컬럼', axis=1), train['목표컬럼'],~ 이렇게 사용하는 것으로 이해했는데 그렇게 진행해도 무방할까요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요 상관계수가 가장 큰 값을 물어보면 차이가 가장 큰값과 같이 절댓값을 씌우나요? 아니면 양수중에서 제일 큰 값을 찾나요?

문제 8번의 df.fillna(method='bfill') 관련입니다. bfill의 경우, 데이터 최하단 행에 있는 결측치는 어떻게 해결할 수 있을까요? 마찬가지로 ffill의 경우, 데이터 최상단 행에 있는 결측치는 어떻게 해결 가능한지 궁금합니다. 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요연습문제 섹션4결측치 채우기아래와 같이 때려넣어도됩니까? a = train['gender'].mode()[0] train['gender'] = train['gender'].fillna(a) b = train['enrolled_university'].mode()[0] train['enrolled_university'] = train['enrolled_university'].fillna(b) c = train['education_level'].mode()[0] train['education_level'] = train['education_level'].fillna(c) d = train['major_discipline'].mode()[0] train['major_discipline'] = train['major_discipline'].fillna(d) e = train['experience'].mode()[0] train['experience'] = train['experience'].fillna(e) f = train['company_size'].mode()[0] train['company_size'] = train['company_size'].fillna(f) g = train['company_type'].mode()[0] train['company_type'] = train['company_type'].fillna(g) h = train['last_new_job'].mode()[0] train['last_new_job'] = train['last_new_job'].fillna(h)