작업형1 ,2

1. 작업형2번에서 분류인지 회귀인지는 정확히 어떻게 구분하나요?

2. 원핫 인코딩 할 때 아래 1~4까지 다 가능한 식일까요?

    

    

   c_train = pd.get_dummies(c_train[cols]) ---1

   c_train[cols] = pd.get_dummies(c_train[cols]) ---2

   c_train = pd.get_dummies(c_train) ----3

   c_train[cols] = pd.get_dummies(c_train) ----4

3. <=50K -> 0,

   >50K -> 1 을 예측하는 문제에서

    

   y = (y_train['income'] == '>50K').astype(int) 이거말고 

    

   원핫 인코딩이나 라벨인코딩을 할 수 있나요?

4. 회귀  rmse 에서 np.exp() 해주는 이유가 뭔가요?

5. roc_auc 평가지표 일때는 분류문제에서만 가능한가요?

6. roc_auc 말고 확률을 구하는 평가지표는 없는걸까요?

    

7. 결측치를 제거할 때, x_train,y_train,x_test 데이터 셋이 있을 경우

y_train에 대해서는 이상치, 결측치가 존재 하지 않는거죠? 그리고 y_train에는 피쳐엔지니어링은 진행안하는거죠? y_train은 정답 데이터기때문에 이상치나 결측치가 존재하지 않고 아무런 처리를 하지 않는다고 보면 될까요?

8. 원핫인코딩을 할 때 전체 데이터 셋에 대해서 넣게 되면 pd.get_dummies(c_train) y_train 값은 뺀 뒤에 원핫인코딩을 진행해야 되는 건가요?

9. x_train, x_test 에 대해서만 결측치, 이상치, 피쳐엔지니어링을 진행 한다고 보면 될까요?

10. x_train,x_test 에 대해서 결측치가 존재할 때, 행 삭제를 하면 안되니까 절대 dropna를 사용하면 안된다고 생각하면 될까요?

11. 대신 컬럼 삭제는 가능하지만, x_test의 target 컬럼만 제외하고 컬럼 삭제가 가능하다고 생각하면 되나요? (컬럼삭제를 잘 사용하지 않긴하지만 혹시나 궁금해서 여쭤봅니다 )