Hỏi & Đáp
수강 관련 문의 드립니다.
메일주소 부탁드입니다
- Lượt thích
- 0
- Số bình luận
- 3
- Lượt xem
- 44
Hỏi & Đáp
메일주소 부탁드입니다
Hỏi & Đáp
1. LightGBM(stratify 적용)이 0.755로 가장 높으니 이걸 선택하시면 됩니다. 다만 불균형 데이터는 소수 클래스의 데이터가 적기 때문에, 코드가 조금 늘어나도 괜찮다면 최종 제출 때는 검증용 데이터까지 합쳐 전체 데이터로 다시 학습(선택: LightGBM(stratify 적용)하는 걸 추천합니다. 작은 클래스의 데이터를 학습에 써서 조금이라도 데이터 수를 늘리는 게 좋기 때문이에요. 2. 둘은 별개라서 꼭 함께 적용할 필요는 없어요! stratify 는 데이터를 나눌 때 클래스 비율을 맞추는 것이고, class_weight 는 모델이 학습할 때 소수 클래스에 가중치를 주는 것입니다. 각각 적용해 보고 검증 점수가 좋은 쪽을 선택하시면 됩니다. 3. 실제로 해 보면 성능이 오를 가능성이 높지만, 떨어질 수도 있어서 누구도 장담할 수는 없어요. 하지만 불균형이 심한 상황에서는 소수 클래스 데이터를 더 많이 학습할 수 있으니 이론상 성능이 좋아질 것으로 예상됩니다.
Hỏi & Đáp
헷갈리시죠! 이럴 땐 무조건 출력해서 보셔야 해요. print(m.nlargest(2)) 로 확인해 보세요. 왼쪽에 보이는 자치구(동대문구, 구로구)가 인덱스 이고, 오른쪽 숫자가 값(평균 배달건수) 입니다. .index 를 붙여야 인덱스에 있는 자치구명을 가져올 수 있어요. .index 를 붙이지 않으면 동대문구, 구로구의 평균 배달건수(숫자) 를 가져오게 됩니다. 그 숫자로 df['자치구'] 를 찾으니 일치하는 행이 없어서 n1 이 0이 나온 거예요. 이럴땐 애매하면 눈으로 보고 해당 자치구를 직접 입력해서 필터링 하는것도 방법이에요 print(m.nlargest(2)) # 동대문구, 구로구 확인 n1 = df[df['자치구'] == '동대문구']['상점수'].sum() n2 = df[df['자치구'] == '구로구']['상점수'].sum()
Hỏi & Đáp
원핫이랑 레이블 둘 다 해보고 RMSE 적은 쪽으로 하시네요 -> 둘 다 비교해보면 좋습니다. , 모델도 평가 지표로 비교 하면 좋고요 레이블 or 원핫 하나만 "적용"해야 합니다. 비교하는 것을 처음부터 알려드리면 복잡할 수 있어 단순화 하고자 하다보니 하나만 적용하는 부분들이 대부분입니다.
Hỏi & Đáp
예를 들어 과일 컬럼에 포도, 딸기, 배, 바나나가 있으면, 인코딩 후에는 과일_포도 , 과일_딸기 , 과일_배 , 과일_바나나 처럼 컬럼이 1개(과일)에서 4개가 됩니다. 원래 "과일" 컬럼은 사라지고, 고유값 개수만큼 새 컬럼이 생깁니다. 인코딩 후 컬럼 수 = 기존 컬럼 수 − 1 + 고유값 개수 과일 컬럼이 삭제됩니다. → 25 − 1 = 24 새 컬럼 4개가 추가됩니다. → 24 + 4 = 28 즉 컬럼은 4개가 아니라 3개(4 − 1) 늘어납니다. 이해 안되시면 댓글 부탁드립니다.
Hỏi & Đáp
주석처리 여부는 아무런 상관이 없습니다. 괜히 주석처리 하다 다른 코드까지 주석처리 되는일 없도록 그냥 놔두시면 됩니다. "만약에 1분" 에 가까운 시간(50초 이상) 동안 돌아가는 코드라면 ( 주석처리를 고민해볼 수 있겠네요
Hỏi & Đáp
1분이 인코딩 때문에 초과되는 경우는 없었어요! 실무에서는 카테고리가 많아 그런경우가 생길 수 있는데 빅분기에서는 전체 컬럼을 보기도 힘들어 그런 케이스를 만들 확률이 낮습니다. 물론 만약을 대비해 둘다 외우면 좋겠지만 하나만 사용해도 그동안 문제 없었습니다. 남은 2주 화이팅입니다.
Hỏi & Đáp
안녕하세요 컬럼명이 오타라는 가정하에 같아요 :) 그리고 less , greater 등 설정에서 따옴표 필요합니다 stats.ttest_rel(df['bp_after'], df['bp_before'], alternative='less') stats.ttest_rel(df['bp_before'], df['bp_after'], alternative='greater')
Hỏi & Đáp
predict(new_data) 함수는 예측값만 제공합니다. 예측값 이외에 다른 값은 없어요 따라서 summary_frame() 와 같은건 애초에 없습니다. 에러 발생 summary_frame() 를 사용한다면 get_prediction()를 사용해서 얻을 수가 있어요! 이건 함수가 이렇게 만들어져 사용법대로 사용하는 방법 밖에 없습니다.
Hỏi & Đáp
안녕하세요. 이 문제는 데이터 자체가 어려운 편이라 모델만 조금 바꿔서는 크게 줄지 않습니다. 시험에서는 여기까지 요구하지 않으니 지금 코드로도 충분하다고 봅니다. 첫째, 데이터 문제입니다. test에만 있는 브랜드가 두 개 있어서 train에서 배우지 못한 값이 섞여 있습니다. 셔터 횟수의 '?'도 train과 test 모두에 있는데, 이 결측 자체가 가격과 관련된 정보일 수 있습니다. 그래서 중앙값으로 채우면 이 정보가 빠져서 정확도가 떨어지는 것으로 보입니다. 결측값은 항상 어떤 것이 좋을 수 없어, 이것 저것 대입 후 비교가 필요해요 둘째, 그래도 더 낮추고 싶다면 가격을 로그로 변환해서 학습해 보세요. 가격처럼 한쪽으로 치우친 데이터에서는 도움이 되는 경우가 많습니다. 다만 항상 좋아지는 건 아니라서 모델별로 검증 점수를 비교한 뒤에 쓰는 것이 좋습니다. 사이트에서 확인해 보니 부스팅 모델은 좋아졌고 랜덤포레스트는 나빠졌습니다. 셋째, 전체데이터를 학습하는 방법 작성한대로 전체 데이터를 학습하는 방법이 있습니다.