Hỏi & Đáp
작업형2 모의문제 데이터 불러오기
크롬 브라우저가 맞죠? 그래도 안되면 재부팅 후 다시 한번 부탁드리겠습니다. 압축을 풀면 3개 파일이 있습니다. 이 파일을 코랩에서 업로드 버튼을 통해 업로드 하고 보통은 바로 뜨나 안뜨면 "새로고침" 버튼 한번 눌르면 보일거에요!
- Lượt thích
- 0
- Số bình luận
- 2
- Lượt xem
- 14
Hỏi & Đáp
크롬 브라우저가 맞죠? 그래도 안되면 재부팅 후 다시 한번 부탁드리겠습니다. 압축을 풀면 3개 파일이 있습니다. 이 파일을 코랩에서 업로드 버튼을 통해 업로드 하고 보통은 바로 뜨나 안뜨면 "새로고침" 버튼 한번 눌르면 보일거에요!
Hỏi & Đáp
안녕하세요! 우선 에러가 아니라 Warning은 무시하셔도 됩니다. (시험에서도 동일함) FutureWarning 미래 판다스 버전에서는 이렇게 코드 작성하면 안될 수 있다. 단 현재 버전에서는 현재에서는 아무런 문제가 없습니다. SettingWithCopyWarning 지금 수정하는 대상이 copy일 수도 있어서, 원본 df 가 바뀌지 않을 수 있다"는 뜻 만약 수정한다면 df.loc[:9, 'views'] 이런식으로 작성이 필요합니다. df = df.sort_values('views', ascending=False).reset_index(drop=True) df.loc[:9, 'views'] = ref # loc은 끝 라벨 포함 → 0~9, 총 10개 경고(워닝) 자체는 채점에 영향을 주지 않습니다. 경고는 에러가 아니므로 코드는 끝까지 실행되고, print 로 출력된 값이 정답이면 문제없습니다.
Hỏi & Đáp
안녕하세요! 테스트 해봤는데 그대로 맞습니다. 아마도 describe() 를 출력하기 전 코드가 다른게 아닐까 싶어요! 데이터프레임 생성 코드도 동일하게 작성된 것이 맞는지 확인 한번 부탁드립니다.
Hỏi & Đáp
메일 확인 부탁드립니다.
Hỏi & Đáp
메일 발송하였습니다. 화이팅입니다!!
Hỏi & Đáp
메일 발송 하였습니다.
Hỏi & Đáp
메일 발송하였습니다.
Hỏi & Đáp
컬럼 삭제는 추천하지 않습니다. 작업형2 40점이 굉장히 타이트해졌어요. 컬럼(변수)를 버려야 하는 케이스는 없었습니다. 아래와 같이 합쳐서 인코딩 하는 방식을 추천합니다. target = train.pop('target') df = pd.concat([train, test]) df = pd.get_dummies(df) X_train = df.iloc[:len(train)] X_test = df.iloc[len(train):] 인코딩방식은 다양하며 아래 처럼도 가능합니다. from sklearn.preprocessing import OrdinalEncoder y = train.pop('target') df = pd.concat([train, test]) cols = df.select_dtypes(include='object').columns df[cols] = OrdinalEncoder().fit_transform(df[cols].fillna('missing')) X = df.iloc[:len(train)] X_test = df.iloc[len(train):]
Hỏi & Đáp
비슷해 보일 수 있는데, 작업형2는 인공지능(머신러닝) 쪽이고, 작업형3은 통계입니다. 작업형2 = 예측 test 데이터의 정답을 예측해서 CSV로 제출 얼마나 잘 맞혔는지로 채점하고, 모델 내부는 몰라도 됨 랜덤포레스트 같은 복잡한 모델, sklearn 작업형3 = 설명·검정 "이 변수가 결과에 영향을 주나? 얼마나?"를 수치로 답함 계수, p-value, 오즈비 같은 숫자 자체가 답 선형·로지스틱 회귀처럼 해석 가능한 모델, statsmodels
Hỏi & Đáp
안녕하세요, 좋은 질문 감사합니다. 결론부터 말씀드리면 정답은 7,799 입니다. 강력범죄 검거건수의 합인 4,750은 정답이 아닙니다. 문제는 "각 연도에서" 검거율이 가장 높은 범죄유형을 찾으라고 했습니다. 그래서 연도마다 1위 유형을 따로 찾아야 합니다. 실제로 계산해 보면 연도별 1위가 모두 다릅니다. 961 + 713 + 812 + 1,300 + 1,350 + 1,300 + 1,363 = 7,799