inflearn logo
강의

강의
N
챌린지

챌린지
멘토링

멘토링
N
클립

클립
로드맵

로드맵
지식공유

퇴근후딴짓님의 게시글

퇴근후딴짓 퇴근후딴짓

@roadmap

시니어 (9년 이상) · 교육

수강생
7,792
수강평
1,323
강의 평점
4.9
함께한 멘티
4
멘토링 리뷰
-
멘토링 평점
-

게시글 4019

질문&답변

수강기간 연장

메일 발송하였습니다.

좋아요수
0
댓글수
2
조회수
36

질문&답변

이진분류에서 양성 클래스가 0일 때 평가 방법

0을 양성으로 볼 때 f1_score(y_val, pred, pos_label=0) # 정확합니다 roc_auc_score((y_val == 0).astype(int), proba[:, 0]) # 정확합니다 precision, recall도 똑같이 pos_label=0 을 넣어야 합니다. 또 predict_proba 의 열 순서는 model.classes_ 순서를 따르기 때문에, 0/1 타깃이면 [:, 0] 이 0일 확률이 맞습니다. 0이 양성으로 출제된 적은 한번도 없습니다.

좋아요수
0
댓글수
2
조회수
17

질문&답변

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 없었지만 예시 문제에서 카테고리가 다른 경우가 있어 대비할 필요는 있습니다 화이팅입니다.

좋아요수
0
댓글수
2
조회수
31

질문&답변

29강 작업2형의 이상치 처리

안녕하세요! 우선 오해가 있는게 12회에서 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.

좋아요수
0
댓글수
2
조회수
56

질문&답변

강의 연장 문의

메일 발송했습니다.

좋아요수
0
댓글수
2
조회수
60