df = df.drop(cols,axis = 1)cols 변수가 예시에서는 [,]의 시리즈 형태인 것 같은데그럼 만약 age 열을 삭제하기 위해서 시리즈 형태로 만들어서df.drop(['age']) 로 하면 왜 안되는건가요?

여기서 age 열을 바로 삭제하려면 어떻게 코딩하나요? df.drop('age') ..?

map을 적용한다는 것이 어떤 의미인가요?

import numpy as np 의 의미가 무엇인가요?풀어서 설명 부탁드립니다.

 133<ipython-input-75-22be5135b79e>:17: FutureWarning: Downcasting behavior in `replace` is deprecated and will be removed in a future version. To retain the old behavior, explicitly call `result.infer_objects(copy=False)`. To opt-in to the future behavior, set `pd.set_option('future.no_silent_downcasting', True)` df['f3'] = df['f3'].replace('vip',3)133 정답 아래 이것이 어떤 에러 메시지인가요?

선생님, 교재중에 p157번 보면cond = df['views']<=1000 df = df[cond] df['f4'].value_counts() print(df.index[0])정답이 isfj라고 되어있는데요. df.index[0] 하면 인덱스가 0인 값을 물어보니까 횟수 3이 답이 되는거 아닌가요? 그 위에 코드에서도 f4 컬럼 종류별 개수로 한번 value_counts를 했어서요 정답은 isfj라고 되어있는데 제가 잘못 풀은걸까요? 

안녕하세요, 선생님df.reset_index(drop=True)는 df에 대입하지 않아도 되나요?

22강 마지막 부분에 제출용 데이터 프레임 생성하는 과정에서 영상과 동일하게 코드를 작성했는데 오류가 납니다. 혹시 몰라 자료로 올려주신 코드를 붙여넣기해도 동일한 오류가 나옵니다. 이런 경우에는 어떻게 해결해야 하는지 궁금합니다.  아래와 같은 오류입니다.ValueError: array length 161 does not match index length 268

22강 모델링 및 평가(회귀) 강의에서 선생님이 푸신 것에서는 랜덤포레스트에서 베이스라인보다 스탠다드스켈러에서 점수가 더 안좋아지는 결과가 나왔는데, 제가 따라서 풀어보면 베이스라인과 스탠다드스켈러의 점수도 동일하게 나오지 않고, 오히려 스탠다드스켈러의 점수가 더 좋게 나옵니다. 이렇게 다른 결과가 나오는 이유가 무엇일까요?

print(df['f1'].dropna())작성하면, 널값 삭제된 f1을 볼 수 있는데 이 값을df['f1']에 대입 후 프린트를 하면 적용이 안됩니다.왜 그런 것인가요?

shape도 함수인데, 이것은 왜 df.shape()를 안붙이는 것인가요?모든 함수에 () 소괄호 붙이는 것은 아닌가요?

예제 데이터 프레임에서 결측치를 np.nan으로 적어주셨는데, 결측치를 무조건 이렇게 사용해야 하는건가요?

df2['D'].replace(" ", "") 하는 것과df2['D'].str.replace(" ", "") 하는 것이 어떤 차이가 있는것인가요? str 붙이지 않았을 때는 공백 제거가 안되는데 어떤 차이가 있길래 두 함수 출력 값이 다른 것인가요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요   똑같이 하려고 노력한 것 같은데 조금씩 다르게 나오네요...

안녕하세요, 선생님.강의노트 모아놓은 PDF 없을까요? 

기억하기 쉽게 이해하려는데, str이 어떤 단어 앞자리인가요

1from statsmodels.formula.api import ols from statsmodels.stats.anova import anova_lm model = ols('토마토수 ~ C(종자) * C(비료)', data=df).fit() anova_lm(model)2import statsmodels.api as sm from statsmodels.formula.api import ols model = ols('토마토수 ~C(종자)*C(비)', data=df).fit() anava_table=sm.stats.anova_lm(model) print(anava_table)1 과 2를 보면from statsmodels.formula.api import ols 는 같고import statsmodels.api as sm과from statsmodels.stats.anova import anova_lm이다른데요.. 구글링해보고 고민해봐도 모르겠어요.결과값은 같은데..무슨차이일까요?

SPP Layer의 경우 여러 Spatial Bins를 사용하여 이미지의 작은 부분부터 큰 부분까지의 정보를 취합하는 것으로 이해했습니다. 또한 ROI Pooling Layer의 경우 SPP Layer에서 Level이 1인 Bins만 적용하는 것으로 이해했습니다. 여기서 의문이 드는 것이 여러 정보를 종합적으로 취합한 SPP Layer가 ROI Pooling Layer보다 성능이 뛰어날 것으로 (직관적으로) 생각이 드는데, Fast RCNN에서 ROI Pooling을 선택한 이유가 궁금합니다.  실험적인 결과로 ROI Pooling을 선택했겠지만, ROI Pooling이 SPP Layer보다 Object Detection에서 우수한 성능을 보이는 이유가 궁금합니다!

(사진)

안녕하세요.좋은 강의 잘 듣고 있습니다! 중간에 궁금한 점이 생겨서 질문 남깁니다. 현재, 사전 학습된 모델의 가중치를 불러와서 파인 튜닝을 진행하고 있습니다. 이 과정에서 입력 이미지 크기에 따라 실험을 진행중인데, VGG16의 입력 이미지 크기는 기본값이 224x224로 알고 있습니다.  만약, 제가 가진 데이터가 128x128의 형태를 띄고 있는 이미지라면, input_size를 128x128로 구성해줘도 기존의 사전 학습된 가중치를 불러와 쓸 수 있지 않나요? 기존의 DNN과 달리 CNN 모델들은 필터에 가중치를 적용하여 계산하므로 입력 이미지 크기에 상관없이 사전 학습된 가중치를 불러와 사용할 수 있다고 생각합니다.  제가 생각한게 맞는지 궁금해 질문 남깁니다. 감사합니다. 또한, 만약 제 생각이 틀리다면 위와 같이 128x128 이미지를 입력 사이즈로 주었을 때, 모델은 이를 어떻게 224x224로 만들어 학습하는지 궁금합니다. 감사합니다.