학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요roc_auc_score 가 평가지표로 지정된 분류문제에서 rf.fit(X_tr, y_tr)로 학습하고pred= rf.predict_proba(X_val) 로 pred를 만든 후from sklearn.metrics import roc_auc_scoreroc_auc_score(y_val, pred[:,1]) << 이 부분과pred=rf.predict_proba(test)result= pd.DataFrame({'pred': pred[:,1]}) << 이 부분 이렇게 딱 두 파트에서만 쓰이는 게 맞나요? 기출 3회 노트에서는 pred = rf.predict_proba(X_val)[:,1] 과 roc_auc_score(y_val, pred) 그리고 pred = rf.predict_proba(test)[:,1] 이렇게 쓰셨는데 시나공 교재에서는 제가 위에 썼던 것처럼 풀이가 돼있습니다

[진도] 1주차 7강까지 완료[질문] Claude에서 PreToolUse Hook 테스트 실패상황: 실습을 따라가는 중 재현안됨프롬프트: "@.env 파일에 어떤 내용이 있는지 요약해줘."에러 메시지: PreUseTool이 실행 안되고 무시되는 이런 경우도 있나요 ?

pred = rf.predict(test) result = pd.DataFrame({"pred" : pred}) result.to_csv("result.csv",index = False)pred = rf.predict(test) submit = pd.DataFrame({"pred" : pred}) submit.to_csv("result.csv",index = False) pd.read_csv로 찍어보면 두 코드다 동일한 결과를 보이는데마지막 제출단계에서 아래 코드 submit 말고 위에 코드 처럼 result를 사용해서 제출해도 상관 없을까요? 

혹시 회귀든 분류든 랜덤포레스트 model 정의할 때 코드 안에 max_depth를 3~12 범위 내로 변화하면서 error나 score 점수 변동 확인해서 error의 경우 낮은 값, score의 경우 높은 값 나오도록 유도해도 될까요?

실제 환경에서 문제 풀어보는 중인데, 이렇게 자동으로 밑줄 쳐지고 ctrl+/를 동시에 눌러도 주석 처리되지 않고 그냥 드래그한 코드 사라지고 /만 남는 오류? 같은 상황이 종종 나오는데 이럴 땐 어떻게 하면 좋을까요...?

christmasky@gmail.com 입니다쪽지기능이 없는거 같아서 여기에 남깁니다

사용자가 타입이 맞는지 체크하기 위해 직접 만든 함수가 맞을까요?결국 animal에 isBark란 프로퍼티가 존재하는지 확인하고 싶다는 건데 첫 번째로 가독성을 높이고 싶고, 두 번째로 isBark 말고도 다른 복잡한 조건이 추가된다면 하나의 함수로 묶어서 코드 앞부분에서 미리 검증하고 싶어서 사용하는 게 맞을까요?그리고 이전 질문에서 function isDog(animal: Animal) animal is Dog { return "isBark" in animal;와의 차이를 비교했을 때 위의 경우는 isBark가 존재하지 않아도 에러가 나지 않는다고 하셨었는데 그렇다면사용자 정의 타입 가드는 타입이 일치하지 않을 때 False를 리턴하는 것보단 에러를 발생시키는 게 유리한지어차피 에러를 발생시키는 게 목적이라면 animal.isBark가 들어간 아무 표현식이라도 함수 내부에서 사용한다면 적용이 가능할 텐데 return animal.isBark !== undefined 를 사용하는게 가장 깔끔한 방식이라 이렇게 쓰는 건지가 궁금합니다.

목차별 내용 요약 및 만점 노트 생성 시 Gemini를 먼저 사용한 이유에 대해 명확히 답변드리겠습니다.가장 큰 이유는 '후처리 효율성' 때문입니다.NotebookLM은 답변의 출처(Source)를 반드시 명시(인용)하도록 설계되어 있습니다. 이 때문에 복습용 만점 노트를 Markdown 형식으로 생성하여 Notion 등에 복사해 붙여넣을 때, 불필요한 인용 구문이나 주석이 함께 포함되어 깔끔하게 편집하기 어렵습니다.반면, Gemini는 출처를 제거하고 오직 순수한 Markdown 형식의 텍스트만 출력하도록 프롬프트 명령을 내릴 수 있습니다.즉, 저희 시스템은 '만점 노트의 후편집 및 보관의 용이성'을 최우선으로 고려했기 때문에, 구조 생성 단계(만점 노트)에서는 Gemini를, 인출 연습 단계(퀴즈)에서는 NotebookLM을 사용하도록 분리한 것입니다.

작업형 3유형에서 강의의 예시 문제들은어떤 검정이다라는게 제목으로 있는데 실제 문제에서도 단일표본검정이다독립표본검정이다 이런것을 알려주나요?실제 체험환경에 문제를 보면 이건 없는거 같아서요.문제를 보고 어떤 검정을 해야 하는지 판단하는게 맞지요?혹시 이럴때 어떤 검정을 해야 하는지 뭘 보고 어떻게 판단하면 좋을까요?  

아래와 같은 메세지가 나오면서 /terminal-setup이 안되는데 해결방법 문의드립니다. 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요선생님께서 컬럼의 수가 많으면 원핫인코딩시 자료가 너무나 방대해진다고해서 해당 문제에서((4198, 21), (1499, 20)) 다음과 같이 컬럼의 수가 많아 라벨인코딩을 하려했습니다 그런데 선생님은 원핫인코딩을 하셨더라구요? 그렇게 해도 되는건가요? 그리고 제가 궁금해서 원핫인코딩후의 shape를 찾아보니 (4198, 29) (1499, 29) 으로 컬럼의 수가 별로 안늘어났는데 왜 이런거죠?? 알려주시면 감사하겠습니다 ㅠㅠ

target = train.pop('target') cols = ['gender', 'enrolled_university', 'education_level', 'major_discipline', 'experience', 'company_size' , 'company_type', 'last_new_job'] for col in cols: train[col] = train[col].fillna(train[col].mode()[0]) test[col] = test[col].fillna(test[col].mode()[0]) from sklearn.preprocessing import LabelEncoder cols2 = train.select_dtypes(include='O').columns for col in cols2: le = LabelEncoder() train[col] = le.fit_transform(train[col]) test[col] = le.transform(test[col])# 결측치 처리 train = train.fillna("X") test = test.fillna("X") # train과 test 합쳐서 원핫인코딩 combined = pd.concat([train, test]) combined_dummies = pd.get_dummies(combined) n_train = len(train) train = combined_dummies[:n_train] test = combined_dummies[n_train:]저는 위의 방식으로 풀었고 풀이는 아래 방식으로 풀었는데, result.csv에서 roc_auc 결과를 비교하면 많이 다르게 나타납니당... 예를 들어 같은 인덱스임에도 제 방식에서는 roc_auc가 0.2로 나오는데 풀이에서는 0.02가 됩니다. 이 경우에는 풀이에 따라서 0,1로 완전히 다르게 인식되는데도 점수 받는데 상관이 없을까요..?

이번 강의부터가 7강에서 설명하신 데이터 접근 기술중 JDBC 직접 사용, SQL Mapper, ORM 기술 중 JDBC 직접 사용하는 부분이 맞을까요?

인코딩을 할 때 train에 test가 다 포함이 돼서 레이블 인코딩이 좋다 하셨는데 그렇게 판단해서 레이블만 하고 원핫을 안해도되나요? 평가지표를 써야해서 어쨌든 둘다 코드를 넣어놓고 비교를 했는지 까지 보는건가요? 채점할 때 그런거도 보는건지 궁금합니다.

  터미널에 뜨는것도 없고 원인을 모르겠어요 ㅠㅠ 

안녕하세요. 오늘 구매를 해서 들어보려고 하는 초보자입니다.세 가지 질문이 있어 글 남깁니다. 코딩을 직접 치고 있는데 강사님은 되게 빠르셔서 매크로나 따로 유료 플러그인이 있는 걸까요?현재 37강 트레일이 마지막 강의일까요 아니면 업데이트 진행 중인 걸까요?강사님이 사용 중이신 것도 비주얼 스튜디오 맞을까요? 맞다면 테마를 구매하셔서 다른 걸까요?강의 잘 듣겠습니다. 감사합니다.!

 안녕하세요. 혹시 '이직 여부 예측'예제처럼 Train데이터와 Test데이터의 컬럼수의 차이가 클때, 강사님의 풀이법처럼 concat하지않고 basetline대로 진행하면 평가지표가 많이차이날까요? cocat없이 저는 진행하니 ROC-AUC가 아래와같이 나옵니다. 0.6487124056282382# ROC-AUC from sklearn.metrics import roc_auc_score roc_auc= roc_auc_score(y_val,pred) print('roc_auc:', roc_auc) # roc_auc: 0.6487124056282382

안녕하세요! 우선 강의 너무 잘 듣고 있습니다. 이전부터 배워보고 싶었던 1인으로서 하나 만들때마다 너무 재밌게 듣고 있어요.  오늘 따라해본 미용티슈의 경우 티슈 쪽에서 제가 너무 많이 겹치게 해둬서 이미지처럼 심하게 구겨지는데 이럴때는 어떻게 해야하나요?  

작업형2 이진분류 문제에서평가지표로 roc_auc_score을 주고, pred결과 예시는 A,B와 같은 문자로 제시되어있는 경우에model.predict_proba을 제출하는게 아니라 model.predict을 제출해야 되는건가요? 강의 1회독할 때 위와같은 경우에도 확률값을 나타내는 predict_proba 을 그대로 제출해도 된다들었는데, 알려주시면 감사하겠습니다! ( 직전에 동일한 질문올렸는데, 이상하게 질문이 삭제가 되어서 다시 올립니다.)

4.일원 분산 분석에서 질문 6번 7번에성적의 제곱합과 성적의 평균 제곱을 구하라고 되어있습니다.정답은 411.8과 137.266667로 되어있구요근데 적어주신 정답은 groups의 제곱합과 평균제곱이 아닌지 해서 여쭤봅니다.책이랑도 똑같은데 어떻게 해석하는지를 잘 모르겠습니다. ㅠㅠ