# 수치형 데이터와 범주형 데이터 분리 n_train = train.select_dtypes(exclude='object').copy() c_train = train.select_dtypes(include='object').copy() n_test = test.select_dtypes(exclude='object').copy() c_test = test.select_dtypes(include='object').copy() # 수치형 변수 스케일링 (로버스트) from sklearn.preprocessing import RobustScaler scaler = RobustScaler() cols = ['Age', 'AnnualIncome', 'FamilyMembers', 'ChronicDiseases'] display(n_train.head()) n_train[cols] = scaler.fit_transform(n_train[cols]) n_test[cols] = scaler.transform(n_test[cols]) n_train.head() # 범주형 변수 인코딩(원핫 인코딩) display(c_train.head()) c_train = pd.get_dummies(c_train) c_test = pd.get_dummies(c_test) c_train.head() # 분리한 데이터 다시 합침 train = pd.concat([n_train, c_train], axis=1) test = pd.concat([n_test, c_test], axis=1) print(train.shape, test.shape) train.head()수치형/범주형 데이터 분리를 시행하는데,무조건 분리 후 시행해야 하는지 질문드립니다.

안녕하세요.cross_val_score를 사용할 때는 model 학습할 때 그냥 모두 학습시키켜도 될 것 같은데요.. 이때도 나누는게 좋을까요?

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요라벨인코딩 le 선언 관련 질문라벨 인코딩 시에 le를 for문 밖과 안 모두에서 선언하는 이유가 있을까요? 각 col마다 새로운 le로 학습하고 변환해야하나요?  원핫인코딩 시 아래 동작 여부의 이유가 궁급합니다.pd.get_dummies 함수를 사용할 때 c_train과 c_train[cols]를 넣었을 때 1)은 c_train만 동작하고 2)는 둘 다 동작합니다.1) 직접 작성 시, cols를 X_train으로 뽑아냈을 때 오류2) 강의 시, c_train으로 cols 뽑아냈을 때는 동작 

선생님 혹시 컬럼에 float값이 있으면 무조건 민맥스 스케일링 사용하나요?3회는 사용 하셨고 6회 풀이에는 넘어가셨길래 궁금합니다!  그리고 마지막에 제출할때 수험번호 안쓰고 (6회 풀이 입니다)예를 들어 pd.DataFrame({'index':test.index,'y_pred':pred}).to_csv('0000.csv', index=False)요렇게 했는데submit.to_csv('result.csv' , index = False)이렇게 제출하는 형식도 있는건가요?

(df['bp_post'], df['bp_pre'], alternative = 'less')선생님 여기서 alternative = 'less'이걸 작성할때 greater랑 구분짓기가 헷갈린데 어떻게 이해를 할 수 있을까요?

4회 기출유형 작업형 2에서는 train_test_split을 사용안했는데여기서는 왜 사용하는 걸까요?  train_test_split을 사용할때와 안할때가 궁금합니다 원핫인코딩과 라벨인코딩 두개를 =어떨때 써야하는지도 궁금합니다 그리고 Y_tr 에 price를 넣으신 이유가 있으실까요  ps. 매번 친절하게 답변해주셔서 감사합니다

안녕하세요. 제가 오늘 수험표를 출력해봤는데요.만약에 수험번호가..007001234이면.. 작업형 2유형 파일생성시..파일이름을..'007001234.csv'로 해야하나요?아니면 '7001234.csv'로 해야하나요?

선생님 이번 오징어 게임 미션을 하면서 작업형 2를 풀고 있습니다import pandas as pdtrain = pd.read_csv("../input/big-data-analytics-certification/t2-1-train.csv")test = pd.read_csv("../input/big-data-analytics-certification/t2-1-test.csv")train.head() #pop: 'TravelInsurance' drop:'id'test.head() #pop:'id'train.info() #'Employment Type','GraduateOrNot','FrequentFlyer','EverTravelledAbroad'train.isnull().sum() #'AnnualIncome' 결측값test.isnull().sum() #'AnnualIncome' 결측값target = train.pop('TravelInsurance')test_id = test.pop('id')me = train['AnnualIncome'].mean()train = train.fillna(me)me = test['AnnualIncome'].mean()test = test.fillna(me)from sklearn.preprocessing import LabelEncoderencoder = LabelEncoder()train['Employment Type'] = encoder.fit_transform(train['Employment Type'])train['GraduateOrNot'] = encoder.fit_transform(train['GraduateOrNot'])train['FrequentFlyer'] = encoder.fit_transform(train['FrequentFlyer'])train['EverTravelledAbroad'] = encoder.fit_transform(train['EverTravelledAbroad'])test['Employment Type'] = encoder.fit_transform(test['Employment Type'])test['GraduateOrNot'] = encoder.fit_transform(test['GraduateOrNot'])test['FrequentFlyer'] = encoder.fit_transform(test['FrequentFlyer'])test['EverTravelledAbroad'] = encoder.fit_transform(test['EverTravelledAbroad'])from sklearn.model_selection import train_test_splitX_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0)from sklearn.ensemble import RandomForestClassifiermodel = RandomForestClassifier(random_state=2022)model.fit(X_tr, y_tr)pred = model.predict_proba(X_val)from sklearn.metrics import roc_auc_scoreroc_auc_score(y_val, pred[:,1]) 이렇게 코드를 작성했는데 예측하는 단계에서 pred = model.predict_proba(test) 이걸 썼더니 X has 8 features, but RandomForestClassifier is expecting 9 features as input. 이렇게 에러가 뜨는데 뭐가 잘못됐을까요? 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요. 간단한 질문드립니다.최빈값으로 채울때, m = x_train['a'].mode()[0]에서,,,mode함수 뒤에 [0]의 의미가 이해가 않가네요[0]가 없어야 할것 같아서 문의 드립니다.

이렇게 풀어봤는데, 이렇게 해도 괜찮은가요? 그리고 문제 2번에서print(sum(df["f3"] == "gold"))대신print(len(df["f3"] == "gold"))으로 하면 안되는 이유가 잘 이해가 안되서 문의드립니다.len()도 데이터 수 구하는 함수 아닌가요?df["f3"] == "gold" 라는 조건을 만족하는 데이터의 수를 구하는데 사용할 수 있을 줄 알았는데, sum() 사용했을 때와 값이 다르게 나와서요. 이 상황에서 두 함수 간 정확히 어떤 차이가 있는지 궁금합니다. 좋은 강의 감사합니다~

안녕하세요 선생님 실기 체험 작업형 2문제 관련해서 질문드립니다. 고객의 성별 값에 대한 확률을 구하는 문제인데 여자와 남자중에 어떤 성별의 예측 결과를 구하는지 명시가 안되어 있어서요 이럴 때는 여자인 확률을 구하는건가요 아니면 남자인 확률을 구해줘야 하는건가요? 이때 동안 계속 양성인 1의 확률을 구해왔는데 실제 시험 때도 이렇게 명시가 안되어 있나 해서 질문드립니다.성별 (0: 여자, 1:남자)predict_proba[:,0] 여자 : 0 predict_proba[:,1] 남자 : 1

2회 기출유형 작업형2 를 들으면서 강사님이 Xtr Ytr을 합치면 더 풍부한 EDA가 가능하다고 하셨는데요 시험현장에서 Xtr Ytr Xtest 이렇게 나온경우 각각 구분해서 적는게 헷갈려서 그냥 처음부터 Xtr Ytr을 합쳐서 풀어도 되나요? 감점요인은 아닌가요? 

안녕하세요! pclass에 C()를 감싼 이유가 이진분류가 아닌 다진분류(1,2,3)이어서 그런가요??

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요강사님 대응표본은 한 집단에서 약물투여 효과 전후 등의 표본을 검정하기 때문에 관심 모집단은 1개 아닌가요??강의 프린트물에는 관심 모집단 2개로 표현되어 있어서 질문 드립니다.

쌤 안녕하세요!!지금 캐글 작업형1 1회독 끝내고 다시 2회독 하려고 하는데..copy & edit 하면 전에 1회독때 했던 게 다시 불러와지더라고요 ㅠㅠ혹시 이럴때 방법은 지난 번 사용했었던 노트북을 지우고 그냥 새파일로 다시 copy & edit 하는 방법밖에 없는걸까요? 그리고.. T1-1.Outlier(IQR) / #이상치 #IQR 문제에서 질문드립니다.지금 약간 무지성으로 외우고만 있어서 이렇게는 안되겠다 싶어서 하나하나 보는 중인데요ㅠㅠ지난 번에 대괄호 2번 관련해서 질문드리기도 했었고, 다른분이 질문한거 보니df['컬럼'] = 시리즈df[['컬럼']] = 데이터프레임이렇게 답변하신걸 봤는데, 그럼 여기 답변에서 outdata2라는 df['컬럼']이 시리즈가 되어서저 마지막 조건 outdata2['Sex'] = ='female' 에 outdata2에는 괄호가 안들어가는건가요? ㅜㅜ (시리즈라서?)어쩔때는 df['outdata2']['Sex'] 뭐 이런식으로 들어가서 너무 헷갈려요 ㅠㅠ

안녕하세요~강의 보면서 빈칸용으로 다운 받아서 강의 그대로 따라하면서 학습하고 있습니다. 3-5 검증용 데이터 분리 에서 의사결정나무랜덤포레스트XGBoost 에roc_auc_score로 정확도 수치 출력값이 세 경우제 경우는 0.8612336858090657로 전부 다 동일하게 나오는데...이게 왜 그런걸까요?? 강의 그대로 따라가면서 하는데 3 가지 방식 다 정확도가 똑같이 나오니 뭔가 이상한데, 어디가 문제인지 모르겠습니다... 

독립표본검정 마지막 강의에서 마지막 코드 Mann-Whitney U검정 P밸류가 0.40이 나왔는데 0.05보다 작으니까 대립가설을 채택한다고 말씀하신 것 같아서요. 왜냐하면 위에 독립표본검정에서는 p밸류가 0.02가 나와서 B그룹의 시험 평균 점수가 더 높다는 대립가설을 채택하게 되는데 만휘트니유 검정의 결과는 귀무가설을 채택하는 수치가 나와서 결과적으로 결론이 다르게 되는데, 이것은 왜 이런 것인가요?# Mann-Whitney U(만-휘트니 유) 검정stats.mannwhitneyu(A, B, alternative='less')MannwhitneyuResult(statistic=106.0, pvalue=0.40944636368515097)

3회 기출유형 작업형 1 문제 2번 푸는 도중 강사님해설영상을 보는데 m = df.loc[2000].mean() print(sum(df.loc[2000,:] > m)) 이렇게 풀이를 해주셔서 저는 정답을 print(sum(df.loc[2000] > m)) 이렇게 해도 나오던데 왜 df.loc[2000,:] 이렇게 쓰셧는지 궁금해서 글올립니다

결과적으로 오즈비에 관한 질문인데 왜 SibSp의 계수값을 단순히 한 단위 높인 후 반올림하여 마무리하는 것인지 모르겠습니다.. 

만약에 10을 100으로 변경한다고 했을때 110이라는 값이 있으면1100이 되나요?