iplot 사용중에 항상 에러가 나는데 원인을 모르겠네요 ㅠㅠ색 관련 에러라고 뜨는데 구글에 검색해도 안나옵니다 ㅠ

Survived 에서 뽑아냈을 때 수치가 높게 나오면 영향 가능성이 높다고 판단하면 되는건가요?

다음과 같은 에러가 발생합니다. 

sns.distplot(app_train[cond1 & cond_amt]['AMT_INCOME_TOTAL'], label='0', color='blue')이 코드를 실행하면 colab 환경에서 '사용 가능한 RAM을 모두 사용한 후 세션이 다운되었습니다.' 에러가 뜹니다. 그렇게 무거운 데이터도 아닌데 왜 이러는 걸까요? 진도를 빼지 못하고 있네요 ㅠㅠ

ShiftScaleRotate에서 Only Scale 변환 후 원본 이미지와 사이즈가 같은 이유가 무엇인지 궁금합니다.ShiftScaleRotate 내부에서 원본 크기로 resize해주는 것인지 내부에서 Super Resolution을 적용해주는 것인지 궁금합니다. 화질이 손상되지 않은거 같아서 여쭈어봅니다.

섹션 4 부분 마지막 강의인 인코딩 이해하고 적용하기 라는 강의의 14분 50초에 나오는 pd.getdummies()에 관한 질문이 있습니다.강의 내용대로 실행을 시켜보니 df_onehot.head()의 내용이 True/False의 형태로 나오는 것을 확인했습니다.서칭 후 pd.get_dummies(df_label, columns=onehot_cols, dtype = int) 처럼 dtype을 int형태로 바꾸어주니 강사님이 보여주신 화면대로 나오는 것을 확인했습니다.이것 역시 버전차이로 인한 기능 변화라고 이해하면 되나요?

먼저, 비전공자도 이해할 수 있도록 섬세하게 강의해주셔서 감사합니다.강의에서 efficientnet, xception 등 좋은 딥러닝 모델들을 소개해주셨는데요 실제 어떤 모델이 좋을지 테스트하다 보니 Input size 관련해서 아래와 같은 궁금증이 생깁니다.모델마다 권장 사이즈가 다 다르던데 여러 모델을 테스트 할 때 모델별 권장 Input size로 resize 하는게 좋을까요? 아니면 특정 사이즈로 고정해서 테스트 하는 것이 좋을까요? 이미지를 축소하는 경우보다 확대해서 모델에 넣는 경우 성능이 더 안 좋을까요?

안녕하세요.강의 수강 완료 후 수료증 발급에 대해서 문의드립니다.절차가 어떻게 되는지, 수료증 어디서 받아야하나요?회사 제출 용도로 필요하기에 문의드려요

vscode에서 ipynb파일에서 iplot사용 동일한 에러가 발생합니다. 타이타닉 문제로 시작하는 EDA: 수치형 데이터 분석 패턴1에서df.corr(numeric_only=True).iplot(kind='histogram', histfunc='count')했는데해당 에러가 발생합니다.현재 버전은 이렇습니다.plotly==4.14.3cufflinks==0.17.3

안녕하세요 선생님.. 구글클라우드로 알려주신것처럼 사용했는데요 (3월달쯤)무료크래딧 받고, 하루이틀 사용하다가 그 뒤에는 그냥 로컬로 사용했습니다.그런데 오늘보니까 6만원이 미납됬다고,. 그래서 결제를 하라고 하는데. 이거 결제해야하는건가요? ㅠ거의 쓰지도 않았는데, 그냥 과금이 되버리는건지 어째야하나요ㅜㅜ

강의중 from sklearn.datasets import load_boston자료를 읽어올시 오류가 발생합니다.

df = pd.get_dummies(df, columns = ['Location', 'WindGustDir', 'WindDir9am', 'WindDir3pm']) MinTemp MaxTemp Rainfall Evaporation Sunshine WindGustSpeed WindSpeed9am WindSpeed3pm Humidity9am Humidity3pm ... WindDir3pm_NNW WindDir3pm_NW WindDir3pm_S WindDir3pm_SE WindDir3pm_SSE WindDir3pm_SSW WindDir3pm_SW WindDir3pm_W WindDir3pm_WNW WindDir3pm_WSW 0 13.4 22.9 0.6 4.4 8.2 44.0 20.0 24.0 71.0 22.0 ... False False False False False False False False True False 1 7.4 25.1 0.0 4.4 8.2 44.0 4.0 22.0 44.0 25.0 ... False False False False False False False False False True 2 12.9 25.7 0.0 4.4 8.2 46.0 19.0 26.0 38.0 30.0 ... False False False False False False False False False True 3 9.2 28.0 0.0 4.4 8.2 24.0 11.0 9.0 45.0 16.0 ... False False False False False False False False False False 4 17.5 32.3 1.0 4.4 8.2 41.0 7.0 20.0 82.0 33.0 ... False True False False False False False False False False 5 rows × 106 columns one hot encoding시에 이진법(0 또는 1)로 반환되어야하는데 false 또는 True로 반환됨.

선형회귀 곡선 응용편에서 alpha값이 의미하는 것은 무엇일까요?알파값이 감소할수록 성능이 좋아지는 것인지 아니면 적당한 값이 있는것인지요?

수업자료 요청부탁드립니다.skahffk94@naver.com 

my_df = 주가_데이터.T.loc['2020-09-09':,'A005930':'A005990']

실습을 똑같이 따라하는 중인데 parsererror가 뜹니다.이유가 무엇을까요?  주가_데이터 = pd.read_csv('stock.adj_close.csv', index_col=0) my_series = 주가_데이터.loc['A005930']['2020-09-09':] ParserError Traceback (most recent call last) <ipython-input-16-e728d7ea27ad> in <cell line: 1>() ----> 1 주가_데이터 = pd.read_csv('stock.adj_close.csv', index_col=0) 2 my_series = 주가_데이터.loc['A005930']['2020-09-09':] 8 frames/usr/local/lib/python3.10/dist-packages/pandas/_libs/parsers.pyx in pandas._libs.parsers.raise_parser_error() ParserError: Error tokenizing data. C error: Expected 583 fields in line 238, s

2분 44초 파일을 읽어들일 때 base_src 에 할당 할 때 machine_learning_data뒤에다가 바로 friend.csv을 이어서 붙이면 안되나요?

마지막에 bird -> frog 말고도 deer -> frog 도 잘못된것 아닌가요??- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.

안녕하세요, 좋은 컨텐츠 만들어주셔서 진심으로 감사드립니다. 수강 중 일반적인 질문하나 드리고 싶습니다.kaggle notebook도 설치되어있는 패키지가 자동적으로 계속 업데이트가 될텐데, 이 경우 이후에 현재 작동중인 코드가 실행되지 못할수도 있을거 같다는 생각이 듭니다.이를 위해서 어떻게 제가 미리 조치를 하면 좋을까요?가령, 강의에서 사용하신 특정 버전 라이브러리로만 구성된 kaggle kernel을 생성한다던가 이런 방법이 있는지 혹은 가능한지 궁금합니다.감사합니다!

안녕하세요 선생님주피터 노트북 201_REGRESSION_BIKE_SHARING_MODELS 중 Model Evaluation Test: LinearRegression 에 관하여 질문드립니다.predict_bikecount함수에서 , y_train 값을 casual_log 와 registered_log로 둔게 아닌 그냥 count 값으로 바로 사용했을때 predict값의 배열중에 음수 값으로 리턴 되는 것들이 있습니다. [코드 예시]X_train = df_train[ml_columns].copy()y_train = df_train['count'].copy()X_test = df_test[ml_columns].copy() LiRe = LinearRegression()LiRe_model = LiRe.fit(X_train, y_train)LiRe_model.predict(X_test) 리턴값 : array([-64.76111758, -55.17545696, -50.25089772, ..., 259.71536368, 271.23511233, 266.73978586])LinearRegression 뿐만아닌 Random Forest Regressor 같은 다른 모델을 사용 할 때도 count값을 log변환 하지 않고 바로 예측하게 되면 음수값이 예측되는데요.."kaggle 에서 rmsle로 scroing값을 제출 해야한다고 규칙이 정해져있어" log로 예측값을 변환한 후 처리하는 줄 알았는데, 그것보다 앞서 이런 회귀모델은 전부 내부적으로 처리될때 그냥 계산을 (로그변환을 하지 않고)하게되면 음수로 나오기 때문에 log처리를 해야하는건지... 정확하게 이해가 되지 않네요어떤 이유에서 바로 count (log처리를 하지 않고) 를 예측하게 되면 음수가 리턴 되는건가요??  - 본 강의 영상 학습 관련 문의에 대해 답변을 드립니다. (어떤 챕터 몇분 몇초를 꼭 기재부탁드립니다)- 이외의 문의등은 평생강의이므로 양해를 부탁드립니다- 현업과 병행하는 관계로 주말/휴가 제외 최대한 3일내로 답변을 드리려 노력하고 있습니다- 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.