john

저도 그렇네요. 중간부터 끊겨서 좀 건너뛰고 뒷부분 들었습니다.

그림 한 장으로 외워서 끝내는 웹 서비스 구조 기본이론만 재생이 안돼요

저도 의아했는데 좋은 질문 감사합니다.

일별 잔존율 SQL 로직에서 궁금증이 있습니다.

저도 궁금합니다 오히려 union 해주면 안돌아가네요

개별 쿼리 연결 시

<span style="color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px; background-color: #ffffff;">안녕하세요 
<span style="color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px; background-color: #ffffff;">검색해보다가 추가 질문을 드리려고 합니다.
<span style="color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px; background-color: #ffffff;">"두가지 경우 모두 실전 분석에 random_state를 설정하는 것이 좋다"라고 하셨는데
<span style="background-color: #ffffff; color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px;">train_test_split의 random_state와 <span style="color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px; background-color: #ffffff;">DecisionTreeClassifier과 같은 estimator에서의 random_state를 동일하게 설정해야 유의미한 것인가요?
<span style="color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px; background-color: #ffffff;">예를들어&nbsp;<span style="background-color: #ffffff; color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px;">train_test_split에서 random_state=7로 지정했으면&nbsp;<span style="background-color: #ffffff; color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px;">DecisionTreeClassifier와 같은 estimator에서도random_state=7로 지정해야 결과가 유의미한 것인지 아니면 전혀 상관 없는지 궁금합니다.

항상 감사합니다.

random_state 지정 문의

강의 데이터/실습을 사용하는 중에 발생한 에러 맞습니다. 내용은 책 4.4장 랜덤포레스트(220쪽)입니다.
전에는 잘 작동했었는데 복습하려고 다시 돌려보니 에러가 발생하네요

-> 결과적으로 철민님께서 알려주신 방법으로&nbsp;<span style="background-color: #ffffff; color: #000a12; font-family: 'Noto Sans KR', -apple-system, system-ui, BlinkMacSystemFont, 'Apple SD Gothic Neo', 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif, Oxygen, Ubuntu, Cantarell, 'Fira Sans', 'Droid Sans', Helvetica; font-size: 16px;">resource_tracker.py&nbsp;파일 열어서 수정하니 정상 작동됩니다.
오늘 이것 때문에 몇시간동안 씨름하다가 포기했었는데 덕분에 해결되었습니다ㅠㅠ 진심 행복합니다.
앞으로 평생 구글코랩만 써야하나 별 생각을 다했었네요.

이렇게 말씀으로밖에 감사한 마음을 전달할 수가 없지만.. 다시 한번 감사합니다. 철민님도 행복하세요

UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-20: ordinal not in range(128)

그런 이슈가 있었군요. 감사합니다.

LDA 그래프 좌우반전 질문합니다.

복붙에 용이하시라고 아래에 코드 덧붙입니다.

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_iris

iris = load_iris()
iris_scaled = StandardScaler().fit_transform(iris.data)

lda = LinearDiscriminantAnalysis(n_components=2)
# fit()호출 시 target값 입력&nbsp;
lda.fit(iris_scaled, iris.target)
iris_lda = lda.transform(iris_scaled)
print(iris_lda.shape)
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

lda_columns=['lda_component_1','lda_component_2']
irisDF_lda = pd.DataFrame(iris_lda,columns=lda_columns)
irisDF_lda['target']=iris.target

#setosa는 세모, versicolor는 네모, virginica는 동그라미로 표현
markers=['^', 's', 'o']

#setosa의 target 값은 0, versicolor는 1, virginica는 2. 각 target 별로 다른 shape으로 scatter plot
for i, marker in enumerate(markers):
&nbsp; &nbsp; x_axis_data = irisDF_lda[irisDF_lda['target']==i]['lda_component_1']
&nbsp; &nbsp; y_axis_data = irisDF_lda[irisDF_lda['target']==i]['lda_component_2']

&nbsp; &nbsp; plt.scatter(x_axis_data, y_axis_data, marker=marker,label=iris.target_names[i])

plt.legend(loc='upper right')
plt.xlabel('lda_component_1')
plt.ylabel('lda_component_2')
plt.show()

깃허브에 올려주신 코드 그대로 실행했습니다.
한 화면에 담기 위해 화면 사이즈를 줄여서 캡쳐하느라 글자가 작아졌습니다. 양해바랍니다,,
<img src="https://cdn.inflearn.com/public/comments/50a165eb-1fc1-444a-a769-ff4bbae4624a/코드.png" title="코드.png" width="896" height="830" alt="" />

버전은 아래와 같이 0.23.2 입니다.
<img src="https://cdn.inflearn.com/public/comments/ff994174-681c-4e9e-95d1-f48c91bcf041/사이킷런 버전.png" title="사이킷런 버전.png" width="187" height="121" alt="" />

참고로 PCA 공부할때는 문제 없이 동일하게 나왔습니다.

두번째 PCA Component는 약 5%인데 0.5%로 잘못 말씀하신 것 같습니다. 감사합니다.

변동성이 의미하는건 무엇인가요?

감사합니다. 이 강의의 장점은 무엇보다 질문&답변인 것 같습니다.
게시판에 검색해보면서 여러 질문에 대한 답변에 많은 도움 받고 있습니다.
감사합니다.

john

投稿