14:46구간입니다.설명해주신것 전부 이해가 되는데요만약 부모의 형태가 아니고 자식의 형태로 자식을 낳으면 각각 결과가 어떻게 되나요?child obj = new child()꼭 답변 부탁드립니다

2유형 학습중 이해를 잘 못한 부분이 있습니다. 먼저 수치형 변수 스케일러의 경우스케일러함수(train) 이렇게만 사용하거나스케일러함수(train['수치형변수'] 이렇게 사용할 때가 있고 동일하게 변수형 변수 인코딩의 경우라벨인코딩(train) 이렇게는 사용 안하고항상 라벨인코딩(train[cols]) 이렇게 사용하시는데원핫인코딩(train) 이런식으로 사용하시는 부분에 있어서 어떤 함수가 파이썬에서 자동으로 수치형과 범주형을 구분해서 변환해주는지 궁금합니다. GPT에도 확인했지만 물어볼 때마다 답이 다르네요...

2026년 시나공교재도 같이 활용해서 하고있는데 이 교재에 모의문제 내용은 없나요?

안녕하세요, PDF 자료상의 문제와 코드랑은 다르게, 아래와 같이 영상해설에서는 배열의 값이 주어져 있더라고요.  제가 알고리즘에 대한 이해도와 능력이 많이 부족합니다만,주어진 문제와 코드문만으로 풀이를 한다면, 어떻게 접근을 해야할까요? 감사합니다.

문제를 풀다가 유사한 코드를 작성하니 정답이 보여서 질문 드립니다 안뜨게 할 수 있을까요?

cond = df['age'] <= 0 df[cond] 위에서 보통 df 뒤에 컬럼명을 적을 때 'age'컬럼처럼 따옴표를 붙여주는데, cond같은 경우에는 안붙여도 출력이 되는데 어떤 이유일까요?cond가 컬럼명이 아니라 변수명이기 때문에 그런건가요?

 섹션 1 강의자료 다운로드가 안되는데요pioneer0813@naver.com 으로 메일주시면 감사드리겠습니다

문제에서 평가지표가 ROC-AUC, 정확도, F1 세가지가 있고모델&평가할 때 이 지표 세가지를 다 구해서 확인을 했는데마지막에 test데이터를 활용해서 실제 예측을 할 때는 왜 pred_proba를 사용한건가요?ROC-AUC를 기준으로 선택해서 그런건가요?그럼 정확도 기준으로 선택하면 pred 사용해도 되는건가요? <문제>## 심장마비 확률이 높은사람?- 성별, 나이, 혈압, 콜레스테롤, 공복혈당, 최대 심박수 등의 컬럼이 있음- 평가: ROC-AUC, 정확도(Accuracy), F1 을 구하시오- target : output (1:심장마비 확률 높음, 0:심장마비 확률 낮음)- csv파일 생성 : 수험번호.csv (예시 아래 참조) <모델&평가># xgbfrom xgboost import XGBClassifierfrom sklearn.metrics import roc_auc_score, f1_score, accuracy_scorexgb = XGBClassifier(random_state=2022)xgb.fit(X_tr, y_tr)pred = xgb.predict(X_val)pred_proba = xgb.predict_proba(X_val)print(roc_auc_score(y_val, pred_proba[:,1]))print(f1_score(y_val, pred))print(accuracy_score(y_val, pred)) <예측 및 csv 제출>pred_proba = xgb.predict_proba(test) 

from scipy import stats stats.wilcoxon(df['after'],df['before'],alternative='greater')안녕하세요~ 가설점정 강의자료중에 빈칸으로 공부를 하다가 질문남깁니다. 빈칸자료로 풀었을때 답이 /usr/local/lib/python3.11/dist-packages/scipy/stats/_wilcoxon.py:172: RuntimeWarning: invalid value encountered in scalar divide z = (r_plus - mn) / se WilcoxonResult(statistic=np.float64(0.0), pvalue=np.float64(1.0)) 이맇게 나오는데요~ 강의자료랑 답도 다르고 ..왜 그런가요?ㅜ

 강의자료 공유 부탁드립니다dbdb0831@naver.com

pdf 요약 프로그램 작성 중....env 파일에 문제가 있는것 같아요==============# OpenAI API Ű�� �Ʒ��� �Է��ϼ��� OPENAI_API_KEY=k-proj-v0nK5kkkkkk2lYArSLe9ngkkkkkkkkkkkkkkkkkkkkkkkkkkkkjjjkkkkkkkkkkkkkklw47OBVrokkkk # 위 api 키는 제가 바꾸었습니다. ===============무제가 좌측 창 파일보는 곳에 .env 파일옆에 아이콘이 뭔가 제대로 저장? 인 안된것 같은 아이콘이 붙어 있는데..이게 문제인지.. 계속 에러를 뿜어내네요확인 좀 부탁 드립니다..  

다른분이 동일한 질문한 내용이 있는데 답변이 이해가 되지 않아 추가문의드립니다. df['맡은학생수'] = (df['1학년'] + df['2학년'] + df['3학년'] + df['4학년'] + df['5학년'] + df['6학년']) / df['교사수'] df.sort_values(['맡은학생수'], ascending=False) print(df) print(int(df.head(1)['교사수']))위는 풀이에 대한 내용이고 결과값은 20이 나왔습니다.(강의의 답은 19입니다.)풀이에 잘 못된 부분이 있을까요?

-강의위치) 24:57df[cond1&2] 적고 'Run All'을 눌렀을 때,강의에서는 저렇게 표 형식으로 결과값을 볼 수 있는데 제 컴퓨터에서는 표 형식이 아니라 저렇게 풀어서 나옵니다.설정을 변경해야하나요? 

 우측 상단 'Save Version'옆에 >I 버튼 눌러서 데이터 경로 복사할 수 있다고 하셨는데제 컴퓨터에선 저 버튼이 안 뜹니다!!저 버튼을 어떻게 활성화 할 수 있는거죠? <강의> <제 컴퓨터> 

1. 현재 학습 진도몇 챕터/몇 강을 수강 중이신가요? 4-2 트리1어떤 알고리즘을 학습하고 계신가요? 트리  2. 어려움을 겪는 부분어느 부분에서 막히셨나요? 이진 트리 vs 완전 이진 트리를 비교하는 마지막 영상에서 완전 이진 트리의 그림을 보면 최하단 오른쪽에 노드가 하나 있는데, 완전 이진 트리는 왼쪽부터 채워져야 하는 거 아닌가요?  3. 시도해보신 내용문제 해결을 위해 어떤 시도를 해보셨나요?에러가 발생했다면 어떤 에러인가요?현재 작성하신 코드를 공유해주세요 이렇게 구체적으로 알려주시면, 더 정확하고 도움이 되는 답변을 드릴 수 있습니다! 😊

- 강의 영상에 대한 질문이 있으시면, 상세히 문의를 작성해주시면, 주말/휴일 제외, 2~3일 내에 답변드립니다 (이외의 문의는 평생 강의이므로 양해를 부탁드립니다.)- 강의 답변이 도움이 안되셨다면, dream@fun-coding.org 로 메일 주시면 재검토하겠습니다. - 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요. 주피터 노트북 문제파일에 정답이 모두 적혀있는데, 문제만 있는 파일은 없나요?

질문1)모델 학습 및 예측하기 전에 왜 수치형 데이터만 cols로 뽑으셨는지 궁금합니다. 혹시 object 형태는 인코딩 작업으로 모두 수치형 자료로 바꿔줘야 하는데 그 과정을 생략하기 위해서 cols 형태로 뽑으신건가요 ? 질문2)target = train.pop()이부분이 잘 이해가 가지 않습니다 model.fit(train[cols], train['성별'])을 해줘도 상관은 없는건가요? 항상 수업에서 검증 데이터를 x_tr, x_val, y_tr, y_val로 나눠서 model.fit(x_tr, y_tr)형태로 넣는 것에 익숙하다 보니 혼동이 오는 것 같습니다 ㅠㅠ!

train 데이터에 ID값을 갑자기 왜 삭제하나요 ? train = train.drop("ID", axis=1) train.head(1)

영상에서는 원핫 인코딩 이후 int형으로 바뀌는데 저는 bool 형식으로 바꼈습니다. 정상적인가요?<class 'pandas.core.frame.DataFrame'> RangeIndex: 6665 entries, 0 to 6664 Data columns (total 30 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 ID 6665 non-null int64 1 Age 6665 non-null int64 2 Work_Experience 6665 non-null float64 3 Family_Size 6665 non-null float64 4 Segmentation 6665 non-null int64 5 Gender_Female 6665 non-null bool 6 Gender_Male 6665 non-null bool 7 Ever_Married_No 6665 non-null bool 8 Ever_Married_Yes 6665 non-null bool 9 Graduated_No 6665 non-null bool 10 Graduated_Yes 6665 non-null bool 11 Profession_Artist 6665 non-null bool 12 Profession_Doctor 6665 non-null bool 13 Profession_Engineer 6665 non-null bool 14 Profession_Entertainment 6665 non-null bool 15 Profession_Executive 6665 non-null bool 16 Profession_Healthcare 6665 non-null bool 17 Profession_Homemaker 6665 non-null bool 18 Profession_Lawyer 6665 non-null bool 19 Profession_Marketing 6665 non-null bool 20 Spending_Score_Average 6665 non-null bool 21 Spending_Score_High 6665 non-null bool 22 Spending_Score_Low 6665 non-null bool 23 Var_1_Cat_1 6665 non-null bool 24 Var_1_Cat_2 6665 non-null bool 25 Var_1_Cat_3 6665 non-null bool 26 Var_1_Cat_4 6665 non-null bool 27 Var_1_Cat_5 6665 non-null bool 28 Var_1_Cat_6 6665 non-null bool 29 Var_1_Cat_7 6665 non-null bool dtypes: bool(25), float64(2), int64(3) memory usage: 423.2 KB add코드add텍스트

데이터프레임을 만들때 'ID'는 test_id로 pop 했기 때문에 'ID':test_ID가 되는게 이해가 되는데 그러면 'Segmentation'은 :pred가 아닌 target이 되어야 하는것 아닌가요? target = train.pop('Segmentation') test_ID = test.pop('ID') # 예측 결과 -> 데이터 프레임 submit = pd.DataFrame({ 'ID': test_ID, 'Segmentation':pred }) submit