아래 코드에서 잘못된 부분은 없는지, 어느 부분을 보완하면 좋을지 알고 싶습니다 문제 : 학습용 데이터 (X_train, y_train)을 이용하여 생존 예측 모형을 만든 후, 이를 평가용 데이터(X_test)에 적용하여 얻은 예측값을 다음과 같은 형식의 CSV파일로 생성하시오(제출한 모델의 성능은 accuracy 평가지표에 따라 채점) 코드 : # 라이브러리 불러오기 import pandas as pd train = pd.read_csv("train.csv") test = pd.read_csv("test.csv") # EDA train.shape, test.shape # ((891, 12), (418, 11)) train.isnull().sum() test.isnull().sum() # 전처리(결측치, 인코딩, 스케일링, 타겟) train = train.dropna() test = test.dropna() train.shape, test.shape # ((183, 12), (87, 11)) train.describe() train = pd.get_dummies(train) test = pd.get_dummies(test) target = train.pop("Survived") # 모델링 from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size = 0.2, random_state = 2024) from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state = 2024) rf.fit(X_tr, y_tr) pred = rf.predict(X_val) # 평가 from sklearn.metrics import accuracy_score accuracy = accuracy_score(y_val, pred) # 제출 result = pd.DataFrame({ "PassengerId" : X_val["PassengerId"] , "Survived" : pred }) result.to_csv("수험번호.csv", index = False)

마지막에 저장이 안되는데 제가 뭘 또 잘못한 걸까용..!평가까지는 잘 했는데, 마지막에 요러니 당황스럽군요..!

선생님, 실제 시험 환경에서 아래처럼 색 알록달록하게 보여주나요? 

선생님!, 기출보고 있는데 코드 수정시 타이핑 하는 글들이 삽입이 아니라 수정으로 되는데 ... 이거는 세팅을 바꿀 수 없나요?쉽게 설명하자면 아래한글 보면, 아래쪽에 수정/삽입 바꿀 수 있는 것 처럼요. 에러나서 코드 다시보면서 작성하는데 타이핑 하는것들이 삽입되는게 아니라 뒤에 글들을 지우면서 쳐집니다 ㅠ 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요train_data.loc[train_data.Sex=='male']['Survived']로 필사가 되어있는데여기서 굳이 loc를 써야하는 이유를 못찾아서요!train_data[train_data.Sex=='male']['Survived']이렇게 적는다면 이해가 되는데 .....또한 loc 공부할 때특정 행을 추출하는거면 df.loc[행 인덱스명]특정 열을 추출하는 거면 df.loc[:, 열 인덱스명]특정 행과 특정 열을 추출하는거면 df.loc[해당 행의 인덱스명, 해당 열의 인덱스명] 이렇게 메모하고 암기했습니다그러나 train_data.loc[train_data.Sex=='male']이게 앞에 :,가 생략되어도 상관없는건가요? 이렇게 생긴건 행 추출인데 행인덱스명을 안써서요

안녕하세요. 저번에 해주신 조언대로 일단 외우기보다 강의진도를 먼저 빼고 있는데, 점점 양이 많아지다보니 걱정됩니다ㅠ 전에 디스코드 들어오셨냐고 물어보시던데, 디스코드에 들어가면 어떤게 좋은건지요? 과제나 학습이 이루어지는건가요? 강의진도 기출문제만 남겨놓고 거의 끝나가서 공부를 어떻게 해야할지 모르겠어서 문의글 남깁니다

문제를 2가지 방식으로 풀어보았습니다.1) StandardScaler사용from sklearn.preprocessing import StandardScalersc = StandardScaler()df['f5'] = sc.fit_transform(df[['f5']])print (df['f5'].median()) 2) 평균과 표준편차를 구하여 직접 식에 대입m = df['f5'].mean()s = df['f5'].std()df['f5'] = (df['f5']-m) / sprint (df['f5'].median()) 답이 1)에서는 0.2606196295590152)에서는 0.2593132572746011 2)에서 답이 다른데, 뭐가 문제일까요??

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요예시문제 작업형2(신버전)강의 내용 17분 16초 쯤에 수치형 베이스라인으로 작업을 하실 때 아래와 같이 코딩을 하셨는데 model.fit(X_tr[cols],y_tr)pred=model.predict_proba(X_val[cols]) 이미 train_test_split 을 할때 train[cols] 을 활용해 데이터 분할을 하였기에 굳이 다시 쓰기보단 model.fit(X_tr,y_tr)pred=model.predict_proba(X_val) 이런식으로 작업을 해도 괜찮은지 여쭤보고 싶습니다. 실제로 이렇게 작업을 했을 때도 문제가 없었는데 혹시나 한번 여쭤보고 싶어 이렇게 글을 올립니다. 감사합니다:) 

답안을 일단 먼저 제출하고나서, 이후에 파라미터를 수정하고 다시 파일을 제출해되 되는지 문의드립니다.

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요 b.sort_values(ascending = False).index[0] 위와 같이 index[0]로 추출하여 제출하지말고 눈으로 정렬된 결과를 보고 print('smoothness error')로 제출해도 괜찮나요?

결측값을 찾아 다른값으로 대체하는 등의 문제를 풀때 df[‘f3’].fillna(0)또는 넘파이 이용해서 df[‘f3’].replace(np.nan,0) 두개는 완전히 같은 기능인가요? 3번은 후자로 풀이해주셨는데 fillna 가능한지 궁금합니다

train, test 데이터의 범주형 카테고리가 다르다고 가정하고무조건 데이터를 합쳐서 인코딩후 다시 train, test 로 나누는 절차로시험 준비를 해볼까 생각이 드는데요선생님 의견이 궁금합니다

데이터 핸들링을 위한 판다스 기초 1 동영상 강의에서 df.corr이나 car.nunique 수식을 작성할 때 에러 메세지가 뜹니다.

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

회귀실습 따라하던 중 이런 오류가 떴는데 어떻게 해결해야할까요?

9분 09초영상과 노트북의 코드가 다른데요# 풀이 코드 # X_train, y_train, X_test 3개 파일이 주어졌을 때 from sklearn.datasets import load_wine wine = load_wine() df = pd.DataFrame(wine.data, columns=wine.feature_names) df['target'] = wine.target from sklearn.model_selection import train_test_split X_train, X_test, y_train, _ = train_test_split(df.drop('target',axis=1), df['target'], test_size=0.2, random_state=2022) # 만약 'proline'컬럼의 값이 1500 일때 이상치라고 판단해 삭제 했다면? print("1500이상인 데이터 수:", sum(X_train['proline'] >= 1500)) # 삭제할 데이터의 인덱스 값을 구하고 drop함수를 통해 삭제 ind = X_train[X_train['proline'] >= 1500].index print("삭제할 index:", ind) X_train = X_train.drop(ind) # 기본값 axis = 0 y_train = y_train.drop(ind) from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier() model.fit(X_train, y_train)(질문1 )X_train에 y_train를 합친뒤 이상치를 삭제하는 것보다 각각 개별로 삭제하는게 더 간단해서 수정한건가요?(질문2) df 에서 이상치를 제거한 후에 train_test_split 으로 데이터를 나눠도 되는건가요?

안녕하세요 강사님 갑자기 작업형 2유형 csv 파일 제출할때 혼동이 생겨 질문합니다다름이 아니라 시험환경 문제 풀이중 roc_acu로 평가 한다고 되어 있어 predict_proba로 예측값을 뽑아 제출하면 된다고 생각했지만 csv 제출 파일 예시에는 이렇게 나와있어 이런 경우에는 predict으로 예측값을 뽑아 제출하는건가 하여 혼동이 와 질문드립니다 

model = logit('gender ~ weight', data=train).fit() target = test.pop('gender') target = test.pop('gender') <- 이 부분에서 왜 target을 test에서 pop하는지 잘 모르겠습니다.

빅분기 시험 볼때, 결측치 채우기/ 삭제에 대해서, 정리하면,결측치 채우기 : train, test data 모두 적용결측치 삭제 : train data 가능/ test data 불가능 (컬럼은 가능하나 train, test 데이트의 행(개수) 일치시켜야 함이렇게 이해한 것이 맞을까요? ^^;;

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요평가할 때rf = RandomForestClassifier()rf.fit()rf.predict()이 부분에서 rf를 다 model로 적어줘도 상관없나요? model = RandomForestClassifier()model .fit()model .predict()또한, 랜덤포레스트에서 model를 변수명으로 해서 돌리고 xgboost에서도 똑같이 model를 변수로 두고 돌려도 되는지 여쭤봅니다. 이전 강의인 회귀파트에서는 모델에 따라 변수명을 다르게 하지 않고 다 같은 model로 변수명을 두었더라구요