작업형2에서는 Import pandas as pd train = pd.read _csv() train = pd.read _csv() 여기까진 작성되어있다고 하셨는데 작업형3에서는 import pandas as pd df=pd.DataFrame~~~ 이것도 작성되어있나요? 실지 시험에서 바로 from scipy import stats~~ 들어각거나 작업해도되는지 궁금합니다 2 문제에서 정규성 따른다 말 없으면 Shapiro부터하는거 맞죠? Shapiro에 피밸류가<0.05이면 귀무가설 기각인데 여기서 귀무가설은 정규분포를 따른다 니까 이걸 기각하면 결국 정규분포를 따르지 않아서-> 비모수검정으로 가는거 맞을까요? 3.“{:.11f}”.format~ 이랑 ”{:.10f}”.format 은 차이점이 뭔가요?? 이렇게 했을때 실제 값에서 반올림? 되는거 같던데 그냥 실제로 소수점 해서 적는거랑 저렇게해서 끝자리수가 조금 다르게 나와도 둘다 정답으로 처리해주나요? 4 보통 summary에서 나오는 값을 바로적는거랑 코딩으로 해서 나올때 반올림으로 끝자리수가 차나지만 그냥 바로 summary 보고 바로 적어도 다 정답처리해주는지 궁금합니다 감사합니다 감사합니다
실기 체험환경에서 할 때 복사, 붙여넣기하고 앞부분 혹은 중간부분만 수정을 하려고 하면 끼워넣어지는 게 아닌 뒤 글자가 삭제되어서 결국에는 다시 다 작성을 하게 되는데 다른 방법 있을까요? 예를 들어 train.shape 을 복사, 붙여넣기하고 앞에 test로만 수정하려고하는데 shape이 지워져서 결국 전체 다 작성하게 되는 경우입니다..
P-value가 0.5 아래면 귀무(정규따름), 0.5 위면 대립(정규X,연구자주장) 으로 알고있는데 혹시 제가 잘 못 알고 있는 걸까요? 02:00 P-value값이 0.0496이면 0.5보다 작아서 귀무가설 채택이 아닌가요? 헷갈립니다.. 제가 잘 못 이해하고 있는 것 같아요.
안녕하세요 강사님, 좋은 강의 감사히 듣고 있습니다. 다름이 아니라, old colab에서 new kaggle로 수정 후 실습을 하는 과정에서 faster rcnn의 mm_faster_rcnn_train_coco_bccd 파일을 실행하고 있었습니다. 다음의 코드에서 동일한 에러가 발생합니다. 중간에 학습을 하는 코드 train_detector(model, datasets, cfg, distributed=False, validate=True) 와 테스트셋을 평가하는 코드 metric = dataset.evaluate(outputs, metric='bbox') 를 실행한 결과, 다음의 에러코드가 출력됩니다. --> 314 res.dataset['info'] = copy.deepcopy(self.dataset['info']) 315 res.dataset['images'] = [img for img in self.dataset['images']] 316 KeyError: 'info' 제가 열심히 검색하며 추가 조사를 해본 결과, epoch를 기본으로 설정한 12회를 다 돌고 나서 bbox를 evaluate하는 과정에서 에러가 나는 것 같습니다. annotation파일들인 train.json 파일과 test.json파일에 info의 키가 없어서 에러가 발생한 것 같다... 라는 결론에 이르렀는데 강사님께서 보시기에 무엇이 문제인지 궁금하여 질문드립니다. 궁극적으로 해결을... 어떻게 할지도 고민이 좀 많이 됩니다. PS. 구글 서치와 챗지피티 프롬프트 질문 결과, 에러의 원인은 mmdetection >= 2.28.0 버전에서 pycocotools 2.0.x 이상을 사용할 때 이 오류가 보인다는 의견이 있었고 pycocotools 는 내부적으로 딥카피( copy.deepcopy(self.dataset['info']) )를 사용하기 때문에, 필드 누락이 바로 Error로 이어지지 않았나... 까지 찾았습니다.
원핫인코딩, 레이블인코딩 사용방법에 관한 질문입니다. 둘 중 아무거나 사용해도 상관은 없는데 어떤 수가 작으면 유니크 수가 작으면 원핫인코딩으로 하는 게 수월하다라는 내용을 이전 강의 때 들은 것 같습니다. 제가 잘 기억하고 있는지는 모르겠지만.. 06:00 한가지 컬럼에서(ID)만 수가 크게 나올 시에는 레이블인코딩을 사용하는 것이 맞을까요? 레이블인코딩과 원핫인코딩 중 하나만 기억날 시 기억나는 거라도 작성해서 제출해도 될까요?
안녕하세요 강사님 ^^ 다름이아니라 시험 전 2유형 코드 여쭤보려고 질문 남깁니다! 2유형 이렇게만 하면 될까요? 중간에 검증과 평가를 제외해서,, 확인 한번만 부탁드립니다! target = train.pop('타켓명') train = pd.get_dummies(train) test = pd.get_dummies(test) test = test.reindex(columns=train.columns, fill_value=0) #train과 test 컬럼명이 다르다면 수행 from sklearn.ensemble import RandomForestClassifier/Regressor rf = RandomForestClassifier/Regressor(random_state =0) rf.fit(train, target) pred = rf.predict(test) submit = pd.DataFrame({'pred':pred}) submit.to_csv("result.csv', index=False) print(pd.read_csv("result.csv").head()) #제출파일확인 print(pd.read_csv("result.csv").shape) #제출파일확인
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 문제 1번의 경우 결측치 행을 제거하면 행이 51개가 나오는데 앞에서부터 70퍼면 35.7 이라는 숫자가 나옵니다. 문제에서 반올림 할건지 버림으로 정수형으로 나타내는지 언급이 없어서 두 방법을 사용할때의 답이 다른데 혹시 복수정답의 여지는 없나요? 문제에서 표현이 명확하지 않은 것 같습니다. 아니면 이렇게 모호할때는 버림으로 정수형 나타내는게 정배인가요? 감사합니다
안녕하세요. 기출 10회를 다시 풀어보고 있는데, 작업형 2에서 타겟 변수에 0이 있는 경우를 처리를 하는지 안하는지에 따라 rmse 값이 차이가 꽤 크더라구요. 이렇게 차이가 꽤 있는데도 결측치를 처리한 경우와 안한 경우 둘다 만점을 받을 수 있던 문제였나요? #타겟변수에서 결측치를 제거한 경우의 rmse rf_rmse = 673.8026644431536 #타겟변수에서 결측치를 제거하지 않은 경우의 rmse rf_rmse = 960.485846380754
안녕하세요 급하게 강의를 시작하게 되어서 몇개씩만 빠르게 수강중입니다. 죄송하지만 빠르게 수강중이라 놓친 내용들이 많아서 질문드립니다. 혹시 강의에서 나온 내용들이 정리되어 있는 사이트나 직접 연습을 해볼 수 있는 사이트가 있을까요? 강의 처음에 read_csv() 를 불러올때 파일 등이 있는 위치가 궁금합니다.
