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
영상 17:00 정도 부터 나오는 내용입니다. Artwork를 해서 PCB 외주제작을 진행하고, 원래는 칩들은 존재하지 않지만 외주 업체에서 해주는 곳도 있다라고 하셨습니다. 그럼 현업에서는 보통 외주제작된 PCB에다가 칩만 따로 구매하여 직접 솔더링 하게 되는 경우가 많은건가요?!
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.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 roc_auc_score 가 평가지표로 지정된 분류문제에서 rf.fit(X_tr, y_tr)로 학습하고 pred= rf.predict_proba(X_val) 로 pred를 만든 후 from sklearn.metrics import roc_auc_score roc_auc_score(y_val, pred[:,1]) << 이 부분과 pred=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
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 보이는데 마지막 제출단계에서 아래 코드 submit 말고 위에 코드 처럼 result를 사용해서 제출해도 상관 없을까요?
작업형 3유형에서 강의의 예시 문제들은 어떤 검정이다라는게 제목으로 있는데 실제 문제에서도 단일표본검정이다 독립표본검정이다 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?
