학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요안녕하세요 작업형 2 한 가지 방법으로 풀기를 봤는데요지금까지는 결측치나 이상치가 없었던 것으로 알고있는데요1.만약 8회차에 결측치나 이상치가 존재한다면 여기서 EDA이후 결측치나 이상치를 제거하고 인코딩으로 넘어가면 되는거죠??2.그리고 영상에서는 target빼고 원핫 인코딩으로 다 진행 하던데 혹시나 조금 더 꼼꼼하게 진행할려면 target데이터 제외후 범주형은 원핫 인코딩 수치형은 스케일링 돌린후 검증 데이터 나누고 randforest로 학습 및 평가 후 제출 하면 되는 걸 까요??

캐글에 올려주신 자료 중 T1-23 문제를 다시 풀어보고 있는데 선생님 답과 다른 답이 나와서 질문 드립니다.선생님 풀이와 다른 부분은 10번째 값을 찾는 부분만 다른 코드로 했는데요10번째 값은 88으로 같은데 중복값 제거 후 f1 중앙값이 75로 선생님 풀이의 값 77과는 다르게 나옵니다.이유가 뭔지 알 수 있을까요? # f1 결측치를 f1을 내림차순으로 소팅했을 때 10번째 인덱스에 위치한 값으로 채움df=df.sort_values('f1', ascending=False)df=df.reset_index()# print(df.head(10))a=df.loc[9,'f1']print(a)# print(df.isnull().sum())df['f1']=df['f1'].fillna(a)# print(df.isnull().sum())​# age컬럼의 중복 제거 전 f1중앙값m1=df['f1'].median()print(m1)​# age컬럼의 중복 제거 후 f1중앙값print(df.shape)df=df.drop_duplicates(subset=['age'])print(df.shape)m2=df['f1'].median()print(m2)​print(abs(m1-m2))

상위 10번째 값으로 대체하는 부분에서 df.iloc[:10,-1] = min_value 이렇게 하셨는데 df['views'].iloc[:10]= min_value 이렇게 풀어도 상관없을까요? 만약 2번째 풀이도 상관 없다면 첫번째 풀이로 진행하신 이유가 있을까요? 취향차이일까요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요정규성을 만족하지 않을 때 단일 표본과 대응 표본에서 윌콕슨을 사용하려고 합니다. 이때 단일 표본 stats.wilcoxon(df['관측치명']-평균값, alternative=) 라 했을 때차이로(df['관측치명']-평균값) 계산하였고대응표본은 차이로 계산이 가능하지만, 더 쉬운 방법인 df['before'], df['after'], alternative= 를 사용하였습니다. 그렇다면 단일표본에서도 df['관측치명'], 평균값으로 계산해서 될까요?만일 안된다면, 윌콕슨은 차이 값를 기반으로 검정 통계량을 계산하는 것인데 대응표본은 두가지로 가능하면서 단일표본은 무조건 왜 -(차이)를 사용해야 하는지 궁금합니다!

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요이 부분에서 standarlize=False를 하는 이유가 궁금합니다.

sum은 false를 0으로 처리해서 연산에 포함시키지 않는데, count의 경우 false도 카운트가 되나요?

제출형식 예시는 0,1 값으로 표시되어 있는데요. 평가지표는 roc_auc 입니다.pred_proba로 roc_auc를 산출하는것은 알겠으나 제출형식이 정수형으로 주어졌는데. 저희는 제출할때 확률값으로 제출해도 되는지요? 아니면 0.5 보다크면 1 작으면 0 으로 변환해서 제출해야 하는건가요? 실제 시험에서 확률값으로 제출하면 감점될것 같아서 평가방식에 중점을 둬서 제출해야하는지 어떤게 맞는건지 잘 모르겠습니다.

학습 관련 질문을이거 결과가 다르게 나오는데 왜 그런건가요?

수업을 들으면서 1유형 같은 경우에 자주 나오는 함수나 문장 같은게 많은데 혹시 실례가 되지 않는다면 한번 마인드맵 때처럼 프린트해서 볼 수 있게 정리해주실 수 있을까요? 항상 강의와 답변 감사드립니다!

안녕하세요 선생님! 작업형 2유형 확률 문제를 풀다가 결과값 관련해서 문의드립니다 문제에 제시된 pred 예시형태는 소수점 형태인데 제가 코딩해서 제출한 csv 파일을 확인해보면 거의 매번 0 혹은 1로 나옵니다스케일링은 안하고 object 인코딩만 해주고 있는데 제가 코딩을 잘못 하고 있는 것인지, 채점 관련해서 상관없을지 궁금해서 여쭤봅니다!(roc_auc score는 0.7616337491337491 나왔습니다) 

안녕하세요, 뒤늦게 정신차리고 제대로 공부하고 있습니다.답안작성 관련 궁금증이 있어 글 남깁니다. 섹션 10_예시문제3(신버전) 강의 4:27예시문제 3 - 1번문제 답이 260.71702 .... 이런식으로 나왔는데,만약에 문제에서 소숫점 4째자리까지 구하라고 하였을때, print(round(260.71702016732104, 4)) = 260.717로 나오게 됩니다.260.717로 쓰는게 맞나요? 260.7170으로 쓰는게 맞나요?응시자 유의사항(시험홈페이지)에서는 260.717, 260.7170을 완전 다른값으로 보는거같아 질문드립니다. 

작업형 2에서 target을 EDA 단계에서 바로 pop으로 분리시키고 인코딩, 스케일링 해도 되나요??

자동차 데이터 셋에서 qsec 컬럼을 Min-Max Scale로 변환 후 0.5보다 큰 값을 가지는 레코드(row) 수는?문제에서 qsec 컬럼만 묻고 있음 (다른 컬럼 신경 쓸 필요 없음)MinMax Scale 변환조건 0.5보다 큰 값제가 짜본 코드입니다.import pandas as pda = pd.read_csv('/content/mtcars.csv') from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() a['qsec'] = scaler.fit_transform(a[['qsec']]) # ★[['qsec']] cond1 = a['qsec'] > 0.5 print(cond1.sum()) ★ 강의에서는 데이터프레임 형태로 해당위치에 넣어줘야한다는 내용 확인했습니다. 해당 위치에서 대괄호[]를 한번 더 해야하는 이유가 뭔가요? 기존에 제가 받아온 a(mtcars.csv)가 데이터프레임 형태라 그런건가요? 대괄호 [] 1개 - 시리즈, 대괄호 [[[]] 2개 - 데이터프레임

안하고 진행하면 안디나요?둘 다 id가지고 있는데 굳이 삭제할 필요는 없는 것 같은데....

import pandas as pd df = pd.read_csv('../input/titanic/train.csv') pd.set_option('display.max_columns',None) # print(df.head(3)) q1 = df['Fare'].quantile(0.25) q3 = df['Fare'].quantile(0.75) iqr = q3 - q1 cond1 = df['Fare'] < q1 - 1.5 * iqr cond2 = df['Fare'] > q1 + 1.5 * iqr df = df[cond1 | cond2] cond3 = df['Sex'] == "female" print(len(df[cond3]))제 코드입니다.저는 cond1 이거나 cond2 이렇게 조건을 주면 그게 모두 이상치이고그 이상치를 df에다가 다시 덮어씌운다음에 여자인 조건 cond3을 준다음에 len을 사용해서 했는데 답이 너무 다르게 나와서 제 풀이는 왜 답이 안되는걸까요?이해를 못하겠습니다 ㅜㅜㅜ

데이터가 충분할 때는 train_test_split으로 X_tr, X_val, y_tr, y_val로 모델을 학습하고, 데이터가 충분하지 않을 때는 cross_val_scores로 모델을 학습한다고 알고 있습니다.여기서 데이터가 충분하고 충분하지 않고의 기준은 무엇인가요? 데이터가 몇 개의 행이 있어야 충분하다고 보는지 궁금합니다!

sample_std = temperature_data['Daily Average Temperature'].std(ddof=1)여기서 ddof는 무슨 의미인가요?구간추정에서 표준편차를 구할때 ddof=1은 필수조건인가요?

원핫인코딩은 범주형에만 해야하는 걸로 알고있는데7회 작업형 2에서 원핫인코딩할때 float형인 rating은 제외안해도 되나요?

안녕하세요 선생님,보통 작업형2에서train, val 데이터 분할하고from sklearn.ensemble import RandomForestRegressorrf = RandomForestRegressor()rf.fit(X_tr,y_tr) 하고 모델 평가 했을 떄 이상없으면pred = rf.predict(test) << test를 예측하게 되는데 여기서 질문이, fit은 X_tr, y_tr로 하는게 맞을까요 ?아님 분할 데이터가 아닌 X_train, X_train[y]로 하는게 더 적합할까요 ??ㅠㅠ 어렵네여 강의보면 x_tr, y_tr fit해서 진행하긴했는데궁금합니당