안녕하세요! 시나공 책으로 열심히 공부하고 있는 9회 시험응시자 입니다! 작업형 제2유형에 파일 제출 관련해서 강조한 부분이 있는거 같은데, 결국은 pred = lg.predict(test) submit = pd.DataFrame({'pred':pred}) submit.to_csv("result.csv", index=False) 이런식으로 코드 작성하고 제출 버튼 누르면 문제가 없는거 맞을까요??
안녕하세요.. 빅데이터분석기사 체험방에 올라온 파일을 이용하여 원핫인코딩 한 결과 컬럼은 72개입니다.. 그런데 test 파일을 동일하게 인코딩하면 71개입니다. 주구매상품 중 한 종류의 상품을 구매한 이력이 없어 차이가 나는듯 한데 이럴떄 어떻게 해야 할까요?? ㅠ.ㅠ
![[빅분기] 로지스틱 회귀, 수험생이라면 반드시 알아야 할 핵심 문제 풀이!](http://i.ytimg.com/vi/zaDxb7Q9BdM/mqdefault.jpg)
![[빅분기] 로지스틱 회귀, 수험생이라면 반드시 알아야 할 핵심 문제 풀이!](/img/tr.png)
![[빅분기] 시험 직전에 보는 10가지 꿀팁!](http://i.ytimg.com/vi/ucKYrlbTN2s/mqdefault.jpg)
![빅분기 실기 자격증 2시간 집중강의 - [24/25 버전] - 메타코드M](http://i.ytimg.com/vi/WI_t8K60ap0/mqdefault.jpg)
안녕하세요! 시나공 책으로 열심히 공부하고 있는 9회 시험응시자 입니다!
작업형 제2유형에 파일 제출 관련해서 강조한 부분이 있는거 같은데, 결국은
pred = lg.predict(test)
submit = pd.DataFrame({'pred':pred})
submit.to_csv("result.csv", index=False)
이런식으로 코드 작성하고 제출 버튼 누르면 문제가 없는거 맞을까요??
네, 파일 제출에서 실수가 가장 많아요.
분류 문제에서 roc-auc라면 제출 코드가 조금 달라질 수 있어요!
안녕하세요 퇴근후딴짓 선생님의 시나공 책을 보며 독학 중인 학생입니다. 작업형 2에서 스케일링 작업을 수행할 때, 숫자형 컬럼만 스케일링하는 것과 라벨링 된 상태로 전체 컬럼을 스케일링하는 것에 큰 차이가 있는지, 후자로 하면 안되는 지가 궁금합니다!
에러가 나는 것은 아닌데 일반적으로는 스케일링은 숫자형 컬럼만 진행합니다. 데이터에 따라 다르므로 검증 데이터 성능을 기준으로 판단하면 좋을 것 같습니다. 💪 또한 스케일링이 번거롭다면 생략해도 좋아요! 인코딩은 필수, 스케일링은 선택입니다!
@@ai-study 오 그렇군요 답변 감사드립니다!!
안녕하세요.. 빅데이터분석기사 체험방에 올라온 파일을 이용하여 원핫인코딩 한 결과 컬럼은 72개입니다.. 그런데 test 파일을 동일하게 인코딩하면 71개입니다. 주구매상품 중 한 종류의 상품을 구매한 이력이 없어 차이가 나는듯 한데 이럴떄 어떻게 해야 할까요?? ㅠ.ㅠ
예시 문제는 train 카테고리가 test를 포함하고 있어 레이블 인코딩 하면됩니다.