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?

기존에 pred.summary() 만 알려주셨는데지금은 pred.summary_frame()을 쓰셨네요만약 시험장에서 .summary_frame()을 모른다면해결할 수 있는 방법이 뭐가 있을까요?

선생님 여쭤볼게 있는데요 model = RandomForestRegressor()model.fit(X_tr, y_tr)pred = model.predict(X_val) 하실때 (X_val)이랑 fromsklearn.metrics import mean_squared_errordef rmse(y_true, y_pred):    returnmean_squared_error(y_true, y_pred)**0.5rmse(y_val, pred) 여기서 괄호에 들어가는 (y_val, pred) 이 값이뭘 뜻하는건지 궁금합니다,,ㅠㅠ  

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요원핫인코딩 말고 라벨인코딩으로 하면 에러가 뜨던데.. 라벨인코딩으로는 작업코드가 어떻게 되나요?타겟데이터 pop하고 검증데이터 분리 전에 라벨인코딩 진행했는데 이런 에러가 뜹니다,,# print(train.shape, test.shape) # train = pd.get_dummies(train) # 전체를 넣으면 train에서 object값만 인코딩하고 수치형 데이터는 그대로 둚 # test = pd.get_dummies(test) # print(train.shape, test.shape) cols = train.select_dtypes(include='object').columns from sklearn.preprocessing import LabelEncoder le = LabelEncoder() for col in cols: train['col'] = le.fit_transform(train['col']) test['col'] = le.transform(test['col'])--------------------------------------------------------------------------- KeyError Traceback (most recent call last) /usr/local/lib/python3.10/dist-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance) 3801 try: -> 3802 return self._engine.get_loc(casted_key) 3803 except KeyError as err: 4 framespandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item() pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item() KeyError: 'col' The above exception was the direct cause of the following exception: KeyError Traceback (most recent call last) /usr/local/lib/python3.10/dist-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance) 3802 return self._engine.get_loc(casted_key) 3803 except KeyError as err: -> 3804 raise KeyError(key) from err 3805 except TypeError: 3806 # If we have a listlike key, _check_indexing_error will raise KeyError: 'col'

이원 분산분석 후 Tukey HSD로 사후검정시, 비료 칼럼에 astype(str)을 작성하여 비료 칼럼 수치데이터들을 문자데이터로 변환해주셨습니다. 그런데 제가 .astype(str)을 작성하지 않고 출력해보니 작성한 경우의 결과와 작성하지 않은 결과가 서로 똑같더군요어떻게 된것인가요?

안녕하세요.캐글 T1-23 풀이 중 궁금한 것이 있어 질문드립니다. 저는 아래와 같이 풀이하였는데 정답은 2.5가 나오더라구요ㅠㅠimport pandas as pd df = pd.read_csv("/kaggle/input/bigdatacertificationkr/basic1.csv") # f1 결측치 채우기 # print(df['f1'].isnull().sum()) # 31개 df = df.sort_values('f1', ascending=False) # print(df.iloc[9][3]) # 88.0 df['f1'] = df['f1'].fillna(df.iloc[9][3]) # print(df['f1'].isnull().sum()) # 0개 # age 중복 제거 전 f1 중앙값 med1 = df['f1'].median() # 77.5 # age 중복 제거 # print(df.shape) # 100개 df = df.drop_duplicates(subset=['age']) # print(df.shape) # 71개됨. # age 중복 제거 후 f1 중앙값 med2 = df['f1'].median() # 75.0 # 절대값으로 print(abs(med1-med2)) 왜 답이 0.5가 나오지 않는지 해결되지 않아 문의드립니다. ㅠㅠ

대괄호 두개 사용할 때가 주로 어느 때 사용하고, 하나는 어느 때 사용하죠?? 소괄호 대괄호 쓰는 경우는 어느경우가 있나요??혹시 분류를 쉽게할 수 있는 기준이나 가이드 같은게 있나요?

따로 cond라는 변수를 만들어서 조건을 거는 이유가 있을까요?따로 변수를 만들지 않고 바로 and, or을 거는 방법은 없나>??

섹션4 피처엔지니어링 마지막 정리 부분에서 정석은 라벨 인코딩 전에 데이터를 합친 후 인코딩을 하고 그 다음에 분리하는 것이 맞나요?

5회 작업형2 기출문제에서 원핫 인코딩을  train = pd.get_dummies(train)test = pd.get_dummies(test)이렇게 하셨는데  앞에서 강의할 때는 train = pd.get_dummies(train, columns=cols)test = pd.get_dummies(test, columns=cols)이렇게 했던것으로 기억합니다.이 두가지 방법의 차이에 대해서 알려주시면 감사하겠습니다!

예시문제 작업형3(신 버전)종자는 문자데이터에 잘 매칭되어있지만, 비료는 범주형임에도 불구하고 현재 수치형 11 ..로 배치되어 있기 때문에 비료에만 C ( )를 붙여준다고 설명해주셨습니다.그러나 궁금한것은 "예시문제 작업형3(신 버전)" 타이타닉 로지스틱변환 문제에서 Gender가 male, female 인 object 데이터로 되어있으니 이를 수치형으로 바꾸신다고 C(Gender)를 해주셨는데요 그래서 제가 이번 이원분산분석 모델 만들때 비료에 C( )를 붙이지 않고 종자에만 C( )를 붙여보았습니다. 왜냐하면 비료와 토마토수 데이터들이 모두 수치형 데이터들이라 범주형 데이터인 종자 데이터들을 수치형으로 바꿔야 겠다고 생각했기 때문입니다.  그러나 C( )를 종자에 붙여서 model.summary 한 경우와 C ( )를 비료에 붙여서 model.summary한 경우의 계수나 p값 등이 다르더군요 질문1: 예시문제 작업형3(신 버전)에선 object형인 Gender에 C( )를 붙이시고, 이원분산분석에서는 object인 종자에 C( )를 안붙이신 이유가 궁금합니다 

ID 와 Segmentation 모두 잘 되었는데 왜 오류가 뜰까요?

선생님 안녕하세요!현재 작업형 1~3유형이 있는데 세 유형 모두 이번 시험에 나오는 것 맞나요? 전에 빅분기 실기 유형?이 약간 변형되었다는 말을 들었어서요. 선생님께서 강의에 다뤄주신 유형만 공부해도 되는 것 맞을까요?

회사에서 연습하고 싶은데 구글폼은 보완문제로 안열려서요,, 혹시 다른 버전은 없나요 ??