선형회귀분석 질문

안녕하세요! 두 가지 방법 다 결과는 같은데, formula.api의 ols가 훨씬 편합니다. # 이게 더 간단함 (추천)from statsmodels.formula.api import olsmodel = ols('y ~ x1 + x2', data=df).fit() 이렇게 하면 R처럼 공식으로 바로 쓸 수 있어서 코드도 짧고 상수항도 알아서 들어가요. # 이건 좀 번거로움import statsmodels.api as smX = sm.add_constant(df[['x1', 'x2']])model = sm.OLS(df['y'], X).fit() 이 방법은 X, y 따로 분리하고 상수항도 직접 넣어줘야 해서 손이 더 가더라구요.실기 시험에서는 formula 방식으로 푸는게 시간도 절약되고 실수할 일도 적어요.다만 문제에서 “sm.OLS 사용” 이렇게 명시되어 있으면 그때만 두 번째 방식 쓰시면 될 것 같아요!

링크가안보여요 어디에올라와있는거죠대체 ? 구글코랩파일이요

네 ~ 답번드립니다. 영상하단에 보면 수업자료가 있는데 그걸 누르시면 그 영상과 관련된 구글 코렙링크가 보입니다. 혹시 안보이시면 다시 답변주세요. 제가 내일 화면 캡쳐로 알려드릴께요

유형2 질문!!

random_state 는 필수는 아닙니다. 하지만 매번 수행될때 마다 결과가 다르게 나오므로 일관된 결과를 위해서는 써주시는게 좋습니다.

인코딩 질문!!

네 이 에러는 훈련시에는 없었던 새로운 카테고리가 테스트 할때 포함되서 나오는 오류 입니다. 이 에러가 나면 훈련시 컬럼과 테스트 컬럼을 비교해보셔야합니다. 아마도 문자를 숫자로 변환하는 과정에서 훈련과 테스트간에 데이터 불일치가 있어보입니다. 전체 코드가 어떻게 되죠?

작업형 유형 2에서,,, train, test, split 시 성능

네 ~ 답변드립니다. 데이터를 분할 했을때 성능이 낮게 나온 이유는 과적합 때문입니다.2번 방법이 성능이 더 좋은 이유는 훈련할때 다 공부한 데이터로 그대로 시험을 보았기 때문에 더 좋은 결과가 나온거구요. 1번은 공부할때 한번도 보지못한 문제를 봐서 성능이 낮게 나온겁니다

항상 모델학습하실때 train_test_split일부러 안하시는 이유가 있는건가요?

네 맞습니다. 훈련 데이터를 train_test_split 로 훈련과 검증으로 나누고 모델을 학습시켜야 모델의 성능을 미리 확인할 수 있어 말씀 하신대로 오버피팅 여부를 알 수 있습니다. 뒤쪽에 최근 기출문제는 train_test_split 로 나눠서 풀이하였으니 꼭 나눈걸로 연습해가시기 바랍니다. 랜덤 포레스트가 워낙 성능이 좋아서 굳이 안나눠도 합격하는데는 문제가 없어서 제가 뺐었거든요. 그런데 질문 주신게 맞습니다.훈련과 테스트로 분리하지 않은 풀이는 제가 나눈 스크립트를 추가해놓겠습니다. 감사합니다

Label Encoding 관련 질문

네 ~ 답변드립니다. 시험때 나오는 어떤 문자형 변수(범주형 변수)가 데이터의 종류가 많다면 예를 들어 class_type 이라는 변수가 있는데 이게 값의 종류가 a,b,c,d,e,f,g,h, .... (10개이상) 10개 이상이면 label encoder 를 쓰시구요. 범주의 갯수가 적을때 5개 이하면 get_dummies 를 쓰세요.일단 1가지로만 확실히 외워가세요. ^^

help, dir 사용법

네 ~ 제가 help 로 예제 찾아서 ttest_ind 의 예제 찾는것을 찾아보고 영상 업로드 해드리겠습니다.업로드 하고 다시 답변 남기겠습니다.감사합니다.

빅분기 실기 시험 6회 기출 유형, 작업형3

정확한 지적입니다!주어진 문제는 적합도 검정이므로 scipy.stats.chisquare를 사용해야 합니다.chi2_contingency: 독립성 검정용 (두 변수 간의 관계 검정)chisquare: 적합도 검정용 (단일 변수의 관찰값 vs 기댓값)카이제곱 검정에는 빈도가 필요합니다. 그러므로 다음과 같이chi2_contingency → chisquare: 적합도 검정에 맞는 함수를 사용해야합니다.영상은 내일 수정해놓도록 하겠습니다. 감사합니다.수정된 답안은 다음과 같습니다. import numpy as npfrom scipy.stats import chisquare# 관찰된 값 (진통제 데이터)o = [4, 4, 3, 4, 1, 4, 4, 1, 4, 4, 2, 1, 4, 2, 3, 2, 2, 4, 4, 4]# 관찰된 빈도 계산 (1:두통, 2:메스꺼움, 3:어지러움, 4:무증상)observed_freq = [o.count(i) for i in range(1, 5)]# 기대 빈도 계산 (항히스타민제 기준: 10%, 5%, 15%, 70%)expected_freq = [len(o) * p for p in [0.1, 0.05, 0.15, 0.7]]# 카이제곱 적합도 검정, p = chisquare(observedfreq, expected_freq)print(p)

정규화 질문

네, 답변드립니다.첫 번째 방법은 데이터 누수 문제가 있습니다.fit_transform(x_train)과 fit_transform(x_test)를 각각 실행하면 훈련 데이터와 테스트 데이터가 서로 다른 스케일링 기준으로 변환됩니다. 이는 모델 성능을 부정확하게 평가하게 만듭니다.두 번째 방법이 올바른 방법입니다:오직 훈련 데이터로만 스케일링 기준을 학습합니다 (fit)같은 기준으로 훈련 데이터와 테스트 데이터를 모두 변환합니다 (transform)반드시 두 번째 방법을 사용하세요. 훈련 데이터로만 스케일러를 학습하고, 같은 스케일러로 모든 데이터를 변환해야 합니다.