수강기간 연장

메일 발송하였습니다.

이진분류에서 양성 클래스가 0일 때 평가 방법

0을 양성으로 볼 때f1_score(y_val, pred, pos_label=0) # 정확합니다 roc_auc_score((y_val == 0).astype(int), proba[:, 0]) # 정확합니다precision, recall도 똑같이 pos_label=0을 넣어야 합니다. 또 predict_proba의 열 순서는 model.classes_ 순서를 따르기 때문에, 0/1 타깃이면 [:, 0]이 0일 확률이 맞습니다.0이 양성으로 출제된 적은 한번도 없습니다.

원핫인코딩 전 train과 test 병합여부

안녕하세요! 좋은 질문 감사합니다. train과 test를 concat으로 합친 뒤 인코딩하는 이유는 다음과 같습니다. 원핫인코딩은 컬럼 이름이 아니라 컬럼 안의 값(카테고리)을 기준으로 새 컬럼을 만듭니다. 예를 들어 train의 과일 컬럼에는 포도, 딸기, 사과가 있고 test에는 포도, 딸기만 있다면, 인코딩 후 train은 3개, test는 2개 컬럼이 생겨 열 수가 달라집니다. 이 상태로는 예측할 때 에러가 나기 때문에, 합쳐서 인코딩한 뒤 다시 나누어 처리합니다.일반적인 상황 (2~12회)까지는 아직 합쳐서 처리가 필요한 상황은 없었지만예시 문제에서 카테고리가 다른 경우가 있어 대비할 필요는 있습니다 화이팅입니다.

수강기간 연장 문의드립니다!

찬희님 메일 발송했습니다!

수강 기간 연장 문의드립니다.

메일 발송했습니다!

29강 작업2형의 이상치 처리

안녕하세요!우선 오해가 있는게12회에서 train에서 target 값이 음수가 있었던건 아니고 예측값이 모델에 따라 음수가 나왔습니다. 따라서 행을 삭제할 순 없어요 예측값이 100개면 100개를 제출해야 하고 이때 train을 삭제하는건 선택할 수가 없습니다. rmsle 평가지표일 때만 clip방식을 추천합니다.

9월에 실기출제기준 개정내역에 신설된부분

14회부터 적용되며 13회는 기존대로 유지됩니다:)

수강 기간 연장 문의드립니다.

메일 발송했습니다.

강의 연장 문의 드립니다.

메일 발송했습니다:) 화이팅입니다

강의 연장 문의

메일 발송했습니다.