[仕事終わりの趣味] ビッグデータ分析実技 (作業型1,2,3)

영상 13:40 지점에서 데이터의 크기가 작으면 train, validation 데이터를 분리 시키지 않고 train 데이터 전체로 모델 학습시키라고 알려주셨는데, train 데이터의 크기가 어느정도 될때 이 방법을 사

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요</

작업형1, 2, 3 강의는 모두 수강했고, 현재 기출문제 11회와 10회는 풀었습니다.이후에 기출문제 9회, 8회 ~ 등을 풀며 준비하는 것이 나을까요? 아니면 실전챌린지 연습문제를 먼저 푸는게 나을까요

train = train.drop('customerID', axis=1) test = test.drop(['customerID'], axis=1)<p style="t

안녕하세요. 11회 기출부터 역순으로 순차적으로 풀어보고 있는데 8회만 해도 MIN MAX 스케일링의 수식을 문제에서 제공하고 있는 반면, 7회 기출은 갑자기 스탠다드 스케일링의 수식을 제공하지 않고, 상관계수를 구할

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요</

from sklearn.metrics import roc_auc_scoreroc_auc = roc_auc_score(y_val, pred[:, 1])<p st

from sklearn.metrics imp

<img src="https://cdn.inflearn.com/public/files/posts/d06d9437-9725-4f22-bbbd-7b42482ca9d1/f57f5cb0-410b-4560-9064-e27a2cba718b.png" media-type="img"

from sklearn.metrics import root_mean_squared_error print(root_mean_squared_error(y_val, pred))</pr

작업형 2유형 연습문제를 풀면서 랜덤포레스트와 LGBM 모델을 둘 다 적용해 보고 있는데, 대부분의 경우 LGBM의 성능이 더 좋게 나옵니다.혹시 실제 시험에

 이번 회차 같은경우에는 고객 id를 drop 하였는데 학습하는데 있어서 방해가 되는 요소이기때문에 drop하는건 알겠습니다만. 이 또한 언제는 하고 언제는 안하셨는데 기준이 뭔지 모

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요</

안녕하세요, 급하게 벼락치기 중인 수강생입니다ㅠ작업유형2에서train,val 분리없이

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요</

안녕하세요9회 시험을 볼 때, 강의를 작업형 2까지만 듣고 갔다가 60점으로 떨어졌습니다.그동안 바

학습하다보니, (), [], {} 각 괄호의 사용이 너무 헷갈려서 문의드립니다.때로는 두개를 같이 사용하기도 하던데, 정확하게 세

작업형 2번에서 1차로 모델 평가 후 feature importance를 확인하고, 중요도가 낮은 feature를 제거했을 때 성능이 개선되면, <p

새로운 컬럼 cancel_TF 생성: 주문번호가 'C'로 시작하면 True, 아니면 False (<cod

train 데이터를 학습할때 회원 id를 제외하는편이 학습하는데 있어서 더 좋지않나요? 회원 ID 같은 고유값 컬럼을 빼내고 학습시키는 경우도 본적 있는거같아서 질문드립니다.