172만명의 커뮤니티!! 함께 토론해봐요.
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요 강사님, 항상 좋은 강의 감사합니다 ! 다름이 아니라, 강의 수강 기한이 곧 만료되어 혹시 가능하다면 이번 시험 일정까지만 연장이 가능할지 여쭤봅니다..! (연락 가능한 메일 : hk2044@naver.com) 감사합니다!
미해결
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요 강사님 평가지표 강의중에 문득 궁금한게 생겨서요 앞선 강의에서는 문자는 모두 인코딩을 통해 숫자형으로 변환했는데, 갑가지 강의에서 실제값, 예측값에 문자가 있을 경우를 설명해주시니 조금 혼란스럽네요... 그리고 이번 강의는 너무 빠르게 훑고 넘어가서 이해가 잘 안되는거 같습니다 아래 average 부분도 언제 이걸 쓰는지 알아야 할 거 같은데... 설명없이 슥 넘어가버려서... average= micro, macro, weighted
미해결
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
import pandas as pd train = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p2/hr_train.csv") test = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p2/hr_test.csv") # 4. 데이터 전처리 target = train.pop('target') train = train.fillna('X') test = test.fillna('X') com = pd.concat([train, test]) from sklearn.preprocessing import LabelEncoder le = LabelEncoder() cols = train.select_dtypes(include='object').columns for col in cols: # com[col] = le.fit.transform(com[col]) # n_train = len(train) # train = com[:n_train] # test = com[n_train:] # # 5. 검증 데이터 나누기 # from sklearn.model_selection import train_test_split # X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0) # print(X_tr.shape, X_val.shape, y_tr.shape, y_val.shape) # # 6. 학습 및 평가 # from sklearn.ensemble import RandomForestClassifier # rf = RandomForestClassifier(random_state=0) # rf.fit(X_tr, y_tr) # pred = rf.predict_proba(X_val) # from sklearn.metrics import roc_auc_score # ras = roc_auc_score(y_val, pred[:,1]) # print("랜덤ras:", ras) # import lightgbm as lgb # lg = lgb.LGBMClassifier(random_state=0, verbose=-1) # lg.fit(X_tr, y_tr) # pred = lg.predict_proba(X_val) # from sklearn.metrics import roc_auc_score # ras = roc_auc_score(y_val, pred[:,1]) # print("엘지비ras:", ras) # # 7. 제출파일 생성 # pred = rf.predict_proba(test) # result = pd.DataFrame({"pred":pred[:,1]}) # result.to_csv("result.csv", index=False) **레이블인코딩 부분이 오류가 계속 나는데 어디가 잘못 됐는지 찾지를 못합니다.
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 작업형1_section14 에서 fillna(0)을 적용한 뒤 map() 함수를 사용하면 최종 결과 값은 동일하나 df 조회 시 다시 결측값이 발생됩니다. 이 경우 map() 대신 replace()를 사용하는 것이 맞는지 궁금합니다. # 값 대체 df['f3'] = df['f3'].fillna(0) dict_list = {'silver':1, 'gold':2, 'vip':3} df['f3'] = df['f3'].map(dict_list)
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
20번 강의 > 7번 문제를 풀던 중, 모든 나이에 1을 더하고, cond1 cond2를 설정한 뒤 각 조건의 절댓값 차이를 result 변수에 넣고 값을 확인했습니다. 값이 783.37이 나왔습니다. 선생님께서는 정답을 263.13으로 말씀 주셨습니다. 코드가 같은데, 값이 다른 이유가 궁금합니다. 제가 쓴 코드는 아래에 첨부하였습니다. df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/type1_data1.csv") df['age'] = df['age'] +1 cond1 = (df['age']>=20) & (df['age']<30) cond2 = (df['age']>=30) & (df['age']<40) result = abs(df[cond1]['views'].mean() - df[cond2]['views'].mean()) print(result) print(round(result, 2))
미해결
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 기출 9회 작업형 1에서 보면, grouped[1] 을 사용해서 지역코드와 성별로 그룹된 데이터프레임에서 1에 해당하는 컬럼명과 데이터를 선택합니다. 그런데 저는 이제까지 연습할 때 데이터프레임에서 열을 선택하기 위해 df[숫자]를 쓰면 행이 선택이 되었고, df[: , 숫자]를 입력하면 에러가 났었습니다. 그래서 df에서는 loc나 iloc를 사용해서 슬라이싱 혹은 인덱싱을 하고 있었습니다. 그런데 본 데이터에서는 오히려 loc와 iloc를 사용하면 에러가 납니다. 차이가 무엇인가요? 해당 데이터에서는 왜 컬럼 선택으로 출력이 되는 건가요?
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
cross_val_score와 metrics의 f1_score 점수를 비교해보는데 근소한 차이긴 하지만 크로스 밸리데이션이 더 낮게 나오는거 시험에는 별로 상관없을까요? metrics는 0.845, cross는 0.785 이렇게 나옵니다!
미해결
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
작업형3 로지스틱 회귀분석 이론 강의에서는 로지스틱 함수로 모델 생성 후 test 데이터로 예측할 때 target를 빼지 않고 바로 예측을 진행했는데, 제7회 기출문제에서 예측할 때는 pop으로 target을 빼고 예측을 수행했습니다. 어떤 경우에 pop을 사용 후, 예측을 수행해야 하는지 차이점을 알고 싶어 질문드립니다. # 데이터셋 분할 train = df.iloc[:210] test = df.iloc[210:] # 1) 학습, test데이터를 사용해 예측 (0.5 미만: 0, 0.5 이상 1) model = logit("gender ~ weight", data=train).fit() target = test.pop("gender") pred = model.predict(test) > 0.5
해결됨
[2026년 빅분기 실기 준비] 빅데이터 분석 기사 실기 시험 100% 합격 ! 기출 문제의 패턴이 보인다 !
안녕하세요. 우선 좋은 강의 제공해 주셔서 감사합니다. 강의에서 2유형 풀이 후 모델 평가 시 accuracy_score() 사용하실 때 아래와 같이 accuracy_score(x_val_pred, y_val) accuracy_score(y_hat, y_train) "모델이 예측한 값(라벨), 실제 값(라벨)" 순서로 사용하시는 것 같은데, 올바른 사용 순서는 그 반대가 아닌가요? 실제 라벨이 먼저, 다음에 모델 예측값이 다음으로 들어가야 옳은 순서라고 sklearn의 공식 문서에서 확인해서 여쭤봅니다.
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 예시문제 작업형2(2025v)에서 저는 아래와 같이 문자는 제외하고, rmse (max_depth, n_estimators 최적화도 진행함)를 구했는데요! 레이블인코딩하지 않은 경우라면, 채점시에 점수가 낮아질 확률이 높아지나요?? 합불에 크게 영향을 주는 지 궁금합니다. train= train.select _dtypes(exclude='O') test= test.select _dtypes(exclude='O') 추가로 제가 작성한 코드를붙입니다! train=train.dropna(axis=1) test=test.dropna(axis=1) train= train.select _dtypes(exclude='O') test= test.select _dtypes(exclude='O') # print(train.shape, test.shape) # print(train.isnull().sum().sum()) # print(test.isnull().sum().sum()) from sklearn.model_selection import train_test_split X_tr,X_val,y_tr,y_val = train_test_split(train.drop('총구매액', axis=1),train.pop('총구매액'), test_size=0.2, random_state=0) # print(X_tr.shape,X_val.shape,y_tr.shape,y_val.shape) from sklearn.ensemble import RandomForestRegressor rf=RandomForestRegressor(random_state=0,max_depth=7, n_estimators=200) rf.fit (X_tr,y_tr) pred=rf.predict(X_val) from sklearn.metrics import root_mean_squared_error print(root_mean_squared_error(y_val,pred)) #base 820.5860282970249 #3,100 875.2260812472606 #3,200 873.5386940171521 #3,400 874.1382881938769 #5,400 824.3641497143064 #5,200 818.239922754944 #7,100 804.8452832752822 #7,200 804.418493364831 // #10,300 814.7390378036772 # 10,100 820.1853548789979 pred=rf.predict(test) pd.DataFrame({'pred':pred}).to_csv('result.csv',index=False) print( pd.read _csv('result.csv'))
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
인코딩시 concat을 사용하는 상황에 대해 질문이 있습니다. 1.train과 test의 unique한 값을 비교해서(set에 넣어서) 1) 만약 종류가 완전히 같을 경우 one-hot 인코딩 : train, test 각각 get_dummies label 인코딩 : for문 내부에서 train은 fit_transform, test는 transform 2) 갯수는 다르지만 train의 종류가 test의 종류를 모두 포함 할 경우 one-hot 인코딩 : concat한 후 get_dummies 한 후 분리 label 인코딩 : for문 내부에서 train은 fit_transform, test는 transform 3) 각자 서로에게 없는 종류를 가진 경우 one-hot 인코딩 : concat한 후 get_dummies 한 후 분리 label 인코딩 : concat한 후 fit_transform 한 후 분리 이렇게 구분하면 되는건가요? 2.또한 궁금한게, 굳이 저렇게 상황별로 외우지 말고 그냥 무조건 concat해서 인코딩 후 분리하는 전략은 어떤지 의견이 궁금합니다.
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
작업형 2을 여러 데이터를 구해서 해보고 있는데 하이퍼 파라미터 변수를 조정해서 평가결과를 보면 학습률이 높거나 트리가 깊어야 점수가 좋게 나오는 경우가 있는 것 같습니다 예를 들면 대중적으로는 아래처럼 쓰는데 n_estimators=500, learning_rate=0.05, max_depth=6 이렇게 넣어야 score가 높게 나오는 경우입니다 n_estimators=400, learning_rate=0.13, max_depth=10 시험에서도 대중적인 파라미터 대신 평가 점수만 보고 파라미터를 조정해도 괜찮을지 궁금합니다!
미해결
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
강사님 안녕하세요. 강의를 보다가 궁금증이 생겨서요. 49. 다중선형회귀2 (범주형 변수) 에서는 강사님이 스태츠 모델즈의 ols함수에서는 범주형 변수 가 포함되어있으면 이를 자동으로 인식하고 내부적으로 원-핫 인코딩 처리를 하므로 사용자가 별도로 범주형 변수를 수치형으로 변환하는 작업이 없어도 된다고 하셨는데, 52강 이원분산분석에서는 범주형 변수를 분석할때 c()를 사용해 범주형으로 처리해야한다고 하셔서요. 이원분산분석도 ols를 사용하는데 왜 다른지 궁금합니다. 확인 부탁드릴게요!
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요. 강이 잘 듣고있습니다. 시험이 얼마남지않아 체험환경에 익숙해지려합니다. 체험환경에서 코드를 작성해보고있는데, 문득 실제 시험장에서 작업형 1,2,3번을 풀때 순서상관없이 제한시간 3시간안에만 풀면되는지 궁금해져 여쭤봅니다. 체험환경에서는, 다른문제 탭눌러 이동할때 첨부사진과같이 팝업창이 뜨는경우가있던데요, 안뜰때도있고요..무시하고 3시간안에만 풀면되는건가요?
미해결
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
이론 관련 내용입니다. 독립표본검정 영상에서 1':34'' 위치에 from spicy import stats stats.ttest_ind(A,B) 이 부분을 설명해 주실때 A와 B에 (처리집단, 대조집단)이라고 설명해주시는데요! 어떠한 작업을 처리했다면 처리한 집단을 A에 넣고 그것과 비교할 아무것도 처리하지 않은 집단을 B에 넣는다는 설명은 이해했습니다. 그런데, 그렇다면 대응표본검정과는 어떻게 다른걸까요? 사전/사후 검정과 비슷한 개념 아닌가요?? 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 문제를 풀다 보면 mean을 쓸 때와 transform('mean') 을 써야하는 상황이 생길텐데 문제에 어떤 부분에서 그런 힌트를 얻을 수 있을까요??
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
현재 작업형1 문제를 풀고 있는 수강생입니다. 문제 풀이 방식에 궁금함이 있어 저의 풀이 방식을 연습하면서 고쳐나가야하는지 알고싶어 문의 드립니다. 저는 문제 풀 때 df.describe()으로 평균이나 사분위수를 눈으로 보고 해당 값을 직접 작성해서 문제를 풀거나, df.value_counts()로 최빈값을 눈으로 확인해서 푸는 방식으로 문제를 풀고있습니다. 이러한 풀이 방식을 강의 내용처럼 아래와 같은 코드로 푸는 방식으로 개선하면서 공부해나가야하는지 의문이 들어 질문드립니다. df['views'].quantile(.75) freq = df['f3'].mode()[0] 예를 들어 Section13번 문제를 이렇게 풀이하는 방식으로 해도 되는지 궁금합니다. cond = df['f1'].isnull() df = df[cond] df['age'].describe(include = 0) print(round(53.596774,1))
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
작업형2 마지막에 제출하기 위해서 shape로 형태를 확인하자나요. 강사님 결과는 (903,) 이렇게 뜨는데 저는 (903,1) 이라고 뜹니다. 제가 뭔가 잘못친걸까요. 이렇게 제출되면 0점 처리인가요?
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요? 주피터 노트북을 강의때마다 일일이 불러와야하나요? 전체 강의 실습에 활용하는 주피터 노트북을 한 번에 받아올 수 있는 통합된 링크는 없는지 궁금합니다.
해결됨
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
from statsmodels.formula.api import ols model = ols('주문량 ~ 광고비', data=df).fit() model.summary() 11번에 위와 같은 코드를 작성해서 0.05보다 작아서 기각이라고 판단해도 될까요?
