학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 작업형 2번 제출 시 result.to_csv("result.csv", index = False) 까지만 적어서 제출하면 되나요? 아니면 pd.read_csv("result.csv") 까지 작성해서 제출해야 하나요?
안녕하세요. 다음주 빅데이터실기 준비중인 직장인입니다. (5*대) [현재상태] 온라인강의는 1~114번까지 1회 정독 및 가능한 같이 코딩해봄( 모르는것이 있으면 풀이과정을 보며 방향성을 잡고 풀어봄, 60~70%정도는 풀이과정의 도움을 받음 ) 작업형2~3형은 대충 시험의 방향성을 잡히는것 같고, 작업형1형은 더 많이 풀어 보는수 밖에 없는것 같음 [오늘 이후 공부의 방향성에 대한 질의] 오늘 이후 8~8일 정도 어떤 계획을 가지고 공부를 진행해야 하는지요? 시험시간 3시간에 대한 감이 없는데, 어떻게 풀어야 하는지는 생각이 나는데 함수 및 명령어 등이 생각이 않나는 경우 dir 및 help 기능을 참조하면 풀수 있는 시간인지요 3시간이? 꼭 암기해야하는 부분은 무엇인지요? 5*대이니 해도해도 자꾸만 단어등이 깜박깜박하네요.강사님의 좋은 조언 부탁드립니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 df['출동시간'] = pd.to_datetime(df['출동시간']) df['도착시간'] = pd.to_datetime(df['도착시간']) df.info() 이렇게 했어야했는데 실수로 df['출동시간'] = pd.to_datetime(df['출동시간']) df['도착'] = pd.to_datetime(df['도착시간']) df.info() 이라고해서 0 소방서 100 non-null object 1 출동시간 100 non-null datetime64[ns] 2 도착시간 100 non-null datetime64[ns] 3 도착 100 non-null datetime64[ns] 이라고 나옵니다 실수로 도착이라고 저장된거를 어떻게 취소하나요?
지금 기출 6회 작업형 1-1번 문제를 풀던 중 갑자기 의문이 생겼습니다. result = df.gruopby('소방서')['diff'].mean()에서 나온 결과물에서 바로 수치를 확인하고 답안을 제출해도 되는지?? 꼭 print(81)로 코드가 입력하여 결과물이 나온 상태로 확인하고 답안을 제출 해야하나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 저는 파이썬 왕초보인점 먼저 밝힙니다 ㅜ df.loc[2000].mean() 을 실행했을 때 왜 저는 선생님처럼 안나오고 np.float64(100.735) 이렇게 나올까요? 똑같은 코드를 썻는데요 ㅠ
문제 1번에서 상위 10개 데이터라고 하는데, 언젠가 풀어본 문제에서 "상위 10개"가 값이 큰 순서대로 상위 10개가 아니라, 그냥 주어진 데이터에서 상위 10개를 뽑는 경우가 있었어서 처음에 풀 때 그냥 주어진 값에서 index 0~9까지를 추출했습니다. 근데 풀이내용을 보니, 내림 차순 후 진행하시더라구요...혹시 실제 문제에서 이런 오해의 소지가 있을만한 건 없을까요?
강의를 해주시면서 XGBoost RandomForeset LGBM 위 모델에 대한 설명이 주를 이루고 있는데 해당 모델은 모두 분류,회귀 모두 사용 가능한걸로 알고 있습니다. (제가 이해한 게 맞나요?) 다른 모델들도 포함해서 시험장에 총 2개의 모델로만 활용을 하고싶은데 어떤 모델을 추천하시는지 궁금합니다.
lightgbm 실행하면 결과값은 나오는데, 그 밑에 경고가 나옵니다. 뭐가 잘못된건가요.. 아님 경고 무시고 제출해도 상관 없는건가요 # lightgbm from lightgbm import LGBMClassifier model = LGBMClassifier(random_state=0, verbose=-1) model.fit(X_tr,y_tr) pred = model.predict(X_val) pred_proba = model.predict_proba(X_val) roc_auc_score: 0.9431438127090301 /usr/local/lib/python3.12/dist-packages/sklearn/utils/validation.py:2739: UserWarning: X does not have valid feature names, but LGBMClassifier was fitted with feature names warnings.warn(