그 MGF의 M_X(s)는 PMF나 PDF랑 다르게 s가 X의 분포를 따르는 Random variable이라는 의미가 아닌거죠? PMF에서 PX(s)는 P(X=s)였었는데 MGF에서는 그렇게 생각하면 안되는게 맞죠? s는 그냥 X와는 별개의 상수인거죠?

안녕하십니까 교수님 군집화에서 질문이 있어 글을 남기게 되었습니다. 군집화는 거리를 기반하여 유사도를 측정하는 머신러닝 기법이라고 배웠습니다,그럼 카테고리컬 변수의 경우 어떤식으로 클러스터링을 할 수 있을까요?구글링을 해 보니 k-modes라는 것이 있던데.. 연속형 변수와 범주형 변수 데이터를 모두 고려한 클러스터링 방법이 있을까요?  항상 감사합니다.

41:49초쯤 나오는 Law of Total Expectation식 전개 질문입니다. 빨간 네모박스 친 부분 전개식에서 dxdy를 순서를 바꿔 dy를 먼저 진행한다고 하시는데 제가 수식이 약해서 찾아보니 푸비니 정리에 의해서 이중적분은 보통 dxdy순서를 dydx로 바꿔서 해도 똑같은 결과를 얻는다고 하던데 여기서도 똑같은 맥락에서 dx dy를 순서를 바꿔도 되는건가요? 그리고 제가 생각한 대로 식이 풀리는게 맞나요? x를 상수취급해서 밖으로 빼고 dy적분하는게 맞나 모르겠습니다.

23:30초쯤에서 엡실론을 이용해서 확률 계산하는 부분에서 분모에 들어가는 marginal probability식이 헷갈려서 확실히 하려고 질문합니다.빨간 네모 박스 친 부분, 분모가 Y에 대한 marginal probability인데 제가 첨부한 식처럼 X에 대해 먼저 적분해야 하지 않나요? 그래야 Y에 대한 marginal probability 식이 얻어지고, 그 다음에 Y에 대한 적분이 이뤄져야 P(c-epsilon <Y< c+ epsilon)을 얻는게 아닌가요? 근데 수업에서는 Y에 대해서 먼저 적분을 하고 나중에 X에 대해 적분해서 그제서야 Y의 marginal PDF를 구하는 식으로 진행이 되는데 이해가 안됩니다. 수업에서도 순서가 바뀌었다는 뉘앙스로 말씀하시던데 명확하게 이해를 하고싶습니다.분모와 달리 분자의 경우는 X나 Y 교집합(X,Y)이므로 (X∩Y)=(Y∩X)잖아요? 따라서 적분도 마찬가지로 순서가 dxdy 또는 dydx둘중 아무 순서로 진행해도 결과에는 상관이 없을 것이라고 이해하고 있습니다. 그런데 이후 식 전개를 보면 dy를 먼저 적분하지 않으면 전개가 상당히 복잡해질 것 같은데 증명의 편의를 위해 y에 대해 먼저 적분한 것일 뿐, 실제로 순서는 dx와 dy가 바뀌어도 결과에는 영향이 없는게 맞나요?

교수님 조언해주신 덕분에 잘해결하였습니다.진심으로 감사드립니다.혹시 다른 질문 하나만 드려도 될까요?Rcmdr에서 logistic regression 을 하려고 하는데 본 질문에 첨부되어있는 사진table 1처럼 multivariate logistic regression 에서 Adult (1)/ pediatric (2)로 나타낼수 있는 방법이 있을까요?고진선처 부탁드립니다!진심으로 감사드립니다!

안녕하세요 교차검증에 대해 잘 이해가 안되서요 ㅠㅠ만약 3번 교차검증을 한다했을 때첫번째 학습을 하고 나서 두번째 학습시에 첫번째 모델을 기반으로 분류라면 분류규칙이라든지 회귀라면 회귀계수가 변경이 된고 셋번째 학습시에 두번째 모델을 기반으로 변경이 계속 되는건가요?   

29분50초 부분입니다.dependent Bernoulli(p)라고 생각하고 linearity 이용하는 거면E[X1]= b/(b+r) 이지만, E[X2] 부터는 b/(b+r)이 아니지 않나요? dependent라면 이런 부분을 고려해야 한다고 생각하는데어째서 E[X]가 independent처럼 nb/(b+r)으로 나오는지 궁금합니다.

좋은 강의 감사합니다. 열심히 수강중에 있는 학생입니다.강의를통해 다른 통계 분석방법은 잘 배웠습니다.혹시 Rcmdr로 보통의 table 1 Characteristic을 만들 수있는 방법이 있는지 아주 궁금합니다. 확인 부탁드립니다.

안녕하십니까, 많이 배우고 있습니다.질문 : GridSearchCV의 경우 k-fold만 사용 하는 것 같은데, stratified k-fold는 사용할 수 없나요? 아래는 chat gpt가 stratified k-fold 사용법을 알려줬는데 아래와 같이 사용하면 되는지 여쭙습니다. from sklearn.model_selection import StratifiedKFold, GridSearchCV from sklearn.svm import SVC # 예제 데이터와 모델 X, y = load_your_data() # 데이터를 로드하거나 생성하는 코드 model = SVC() # 사용할 모델 # Stratified K-Fold 교차 검증 설정 stratified_kfold = StratifiedKFold(n_splits=5, shuffle=True, random_state=42) # 그리드 서치 설정 param_grid = { 'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf'] } grid_search = GridSearchCV(estimator=model, param_grid=param_grid, cv=stratified_kfold) # 그리드 서치 수행 grid_search.fit(X, y) # 최적의 매개변수와 결과 출력 print("Best parameters found: ", grid_search.best_params_) print("Best cross-validation score: {:.2f}".format(grid_search.best_score_)) 위 코드에서는 StratifiedKFold를 GridSearchCV의 cv 매개변수에 전달하여 Stratified K-Fold 교차 검증을 수행하고 있습니다. 따라서 그리드 서치는 Stratified K-Fold 교차 검증을 사용하여 모델의 성능을 평가합니다. StratifiedKFold의 n_splits 매개변수는 원하는 폴드 수를 지정할 수 있습니다.이렇게 하면 그리드 서치를 Stratified K-Fold 교차 검증과 함께 사용하여 클래스 간 분포를 고려한 모델 평가를 수행할 수 있습니다.

강사님 안녕하세요! 이제 막 강의를 듣기 시작한 학생입니다. 다름이 아니라 Human Activity Recognition Using Smartphones - UCI Machine Learning Repository이 사이트가 바뀌어서 dataset를 어디서 다운 받을지 모르겠습니다 어디로 가야할지 알려주실 수 있나요 ?

GridSearchCV의 best_score_ method를 이용하면 교차검증을 통해 최적의 하이퍼파라미터 조합을 찾아서 가장 높은 score를 반환하는 것으로 알고 있습니다. 다만 여기서 scoring 하이퍼파라미터 설정을 안한다면 반환되는 best_score_는 무엇이 되는건가요? accuracy가 디폴트인가요? best_score_floatMean cross-validated score of the best_estimatorFor multi-metric evaluation, this is present only if refit is specified.This attribute is not available if refit is a function. 공식문서에서는 이렇게 나오는데, 여기에서도 score를 어떻게 정의하는지에 대해 구체적으로 나와있지 않았습니다. GridSearchCV를 사용하는데 있어서, 디폴트로 반환하는 .best_score_값이 무엇인지 정확히 무엇인지 궁금합니다! 긴 글 읽어주셔서 감사합니다 :) 오늘도 좋은 하루 보내시길 바랍니다!

강의 자료는 어디서 다운 받을 수 있을까요? 홈페이지는 사이트가 없다고 뜨고, 유투브의 슬랙도 가입을 했는데 자료가 없네요.

일반적으로 train_test_split() 함수에 random_state를 지정하는 이유는 학습 데이터셋과 테스트 데이터셋을 분리할 때 매 수행마다 동일한 데이터셋으로 분리하기 위함이라고 알고 있습니다. 그런데 DecisionTreeClassifier()객체를 생성할 때 안에 random_state를 넣어주는 이유는 무엇인가요? DeicisonTreeClassifier과 train_test_split() 둘다 random_state를 넣어줘야 하나요? 만약 그렇다면 radom_state가 각각 사용되는 의미가 다른가요? 다르다면 어떻게 다른지 여쭙고 싶습니다. 선생님, 날씨도 더운데 답변해주시느라 너무 감사합니다ㅜㅜ

선생님 안녕하세요k-폴드 방식으로 데이터를 분할할 때, 최적의 k는 어떻게 구하나요?

사건 A,B가 일어날 확률인 P(A) = 0.6, P(B) = 0.7 일 때1번 답은 exclusion-inclusion principle에 의해 P(A)+P(B)-P(A)*P(B) = 0.882번 답은 단순 교집합으로 P(A)*P(B) = 0.6*0.7 = 0.423번 답은 (P(A)-P(B) ) + (P(B) - P(A)) = (0.6 - 0.42) + (0.7 - 0.42) = 0.18 + 0.28 = 0.46이 아닌가 해서 질문 남깁니다!또, P(A^c)*P(B^c) = 0.4 * 0.3 = 0.12이 아닌가 싶어서요.

안녕하세요 강사님, 강사님 강의를 통해 분류 및 회귀 (지도학습)에 대해 공부하며 도움을 많이 받았습니다.머신러닝 완벽 가이드에 소개된 비지도학습 내용 외에, 만들어두신 다른 강의에서 비지도학습에 대한 심화적인 학습이 가능한 것이 있을까요???"캐글 Advanced 머신러닝 실전 박치기" 강의를 눈여겨보고 있는데, 해당 강의에서 비지도 학습을 이용하여 문제를 해결하는지 여부에 대해서 알지 못하여 이렇게 문의드립니다.!감사합니다.

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요.규제 부분 코드 실습 중 규제 클래스에 관해서 cross_val_score적용 시 NaN값이 반환되는 것이 확인되어 질문드립니다. 싸이킷런 버전의 경우 1.0.2버전인데구글링을 했을 때는, 데이터 내에 NaN값이 있어서 그럴 것이라는데 제가 확인해봤을 때는 NaN값이 없었습니다.혹시 버전과 관련된 문제일까요...?동일 코드에 Ridge클래스대신 LinearRegression클래스로 대체시 정상적으로 코드가 동작하는 것을 확인하여 우선 Ridge클래스에 대한 문제로 간주하고 있습니다...ㅠ

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 안녕하세요. 우선 머신러닝에 대해 알기쉽게 강의해 주셔서 감사합니다.저는 기계의 고장진단 및 예측을 위해서 머신러닝을 공부하고 있는 직장인 입니다.다름이아니라, 실습에서 다루는 데이터는 다양한 정보들이 1개의 파일에 있어, 학습 및 테스트를 진행하였습니다. 그러나, 전압,진동과 같이 물리적 데이터는 일정시간 동안 데이터를 계측하게 되고, 이러한 파일이 여러게 존재하게 됩니다.(첨부된 그림 참조)이렇게 데이터 취득시, 현실적으로는 고장데이터를 취득한 파일 전체의 레이블이 1(1이 고장이라 하면), 정상상태를 취득한 파일은 0이 되어야 합니다.이렇듯 다수의 파일, 1개의 파일 안에 시간순으로 측정된 다수의 데이터가 있을 경우, 학습 및 테스트를 하기위한 데이터 전처리 방법이 궁금합니다.수고하세요.

'LightGBM을 이용한 위스콘신 유방암 예측'을 보고 깃허브에서 다운한 예제를 런 시켜보고 있는데 세번째에서 오류가 뜹니다. fit()함수에 early_stopping_rounds는 쓸수 없다고 나옵니다. 그래서 파라미터명이 업데이트 되었나 싶어서 인터넷에 찾아보니까 LightGBM 페이지에서는 early_stopping_rounds, early_stopping_round, 둘다 가능하다고 나옵니다. 뭐가 문제인지 모르겠습니다.

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.이전 XGBoost 혹은 GBM 등에서 경사하강법에 대해서 이야기 되었을 때, 이때의 경사하강법은 확률적 경사하강법이 기반된 것이 맞을까요?