Розмір відео: 1280 X 720853 X 480640 X 360
Показувати елементи керування програвачем
Автоматичне відтворення
Автоповтор
와 진짜 그저 빛 감사합니다 ㅠㅠ 시험 잘 뿌수고올게요....절받으세요 ㅠㅠㅠ
응원합니다!!!
오 감사합니당 너무 간단하고 좋네요
화이팅 하세요 :)
@@ai-study 최고예용
@@sol7670 이거슨 비상용일 뿐입니다!!:)
감사합니다. 잘 봤습니다.!
좋은 영상이네요
감사합니다:)
영상 도움 많이 받고있어요 ! 그런데 영상 배속이 간혹 왔다갔다 해서.. 혹시 이유가 있으실까요~??
영상 진짜 이해하기 쉽습니다캐글놀이터에서 실습하려했는데 보이지가 않네요어디쯤에 이자료가 있을까요?
@뮤지컬마니아 님, 영상 설명에 링크가 있습니다:)
www.kaggle.com/agileteam/mock-exam-t2-starter-tutorial
영상 감사합니다. 작업형2에서 위와 같이 이진분류 예측모델이 아닌 다른 형태의 문제가 나올 가능성이 있을까요~
회귀, 다중 분류 등이 있을 수 있습니다:)
@@ai-study 캐글에 올려주신 작업형2에서 꼭 추천해주고 싶은게 있다면 ^^ 6개 모두 학습할 능력이 안되어서..
하나만 한다면 전 출제쪽에서 체험으로 올려준 구름 환경에서 함께 제공되는 백화점 데이터로 해보겠습니다 :)
@@ai-study 감사합니다~
안녕하세요 ! 실기 시험장에서는 y_test 가 안주어지는거고 캐글자료에 올라와 있는 y_test는 최종 모델 성능 검증 확인을 하기 위해 편의상(?) 제공된 정답인건가요???
네 맞아요 제공되지 않아요 3회땐 train과 test, 2회땐 X_train과 y_teain 그리고 test가 제공 되었어요
@@ai-study 답변 감사합니다!!
어떤 책에서는 train_test_split을 하던데 안해도 되는건가요??..
가능하면 하는 것을 추천해요! (벼락치기 하는 사람에게만 생략 가능함을 알려줘요)검증을 해야 어느정도 결과인 것을 확인할 수 있고, 개선도 가능해요.
안녕하세요 빅분기 준비하고 있는 학생입니다 ㅠㅠ 질문 좀 드릴게요..! 혹시 분류기 랜덤포레스트로 하셨는데 종속변수가 연속형이든 범주형이든 RandomForestClassifier를 사용하면 되나요?
회귀 일땐 RandomForestRegressor 입니다:)
회귀거나 분류 확률이 아니라면 model.predict(테스트 데이터) 해주면 됩니다
@@ai-study 감사합니다 !! 그럼 혹시 종속변수가 연속형인지 범주형인지 정확하게 파악하는 방법이 무엇인가요..? 최종 출력물에서의 컬럼 자료형이 object면 범주 numeric 계열이면 연속이라고 생각해도 될까요?
@@ai-study 원하는게 회귀인지 분류인지 예측인지 정확하게 구분하는 방법도 궁금합니다 ㅠㅠ
@@양원박-y6o dataq.goorm.io/exam/116674/%C3%AC%C2%B2%C2%B4%C3%AD%C2%97%C2%98%C3%AD%C2%95%C2%98%C3%AA%C2%B8%C2%B0/quiz/3위 링크 체험 환경 왼쪽에 보면 문제가 있어요! 문제 지문을 보고 판단하는 것이 제일 정확합니다. 묻고자 하는게 금액, 수량 같은 수치형인지, 남/녀, 이직/계속근무과 같은 분류 문제인지 판단하면 되요!
채점 기준이 따로 있나요? 66%정도면 충분한 수치인가요?
채점 기준은 아쉽게도 알 수 없습니다. 🙌
참고로 Task밑에는 T-35이렇게만있고 위응 Mock로시작되는과제가안보여요
@뮤지컬마니아 님, 안녕하세요 :) 정상적으로 등록되어 있습니다!!
이렇게 제출만해도 부분점수가 가능할까요? ㅠㅠ 1유형 이제 막 마치고 2유형 시작하는데 쉽지 않네요,,
머신러닝을 제대로 학습해 제출하면 좋은 점수가 가능하겠죠??:) 본 영상은 가이드일 뿐 점수는 장담할 수는 없습니다. 하지만 포기하시진 말고 제출이라도 했으면 하는 바램에 만들었습니다. 화이팅하세요!
object를 다 제거하신 이유가 있을까요?
작업형2 기준이 점점 올라가는 것 같아요! 초초초보자를 위한 영상으로 object를 인코딩해주세요 :)
![[빅분기] 시험 직전에 보는 10가지 꿀팁!](http://i.ytimg.com/vi/ucKYrlbTN2s/mqdefault.jpg)
![[빅분기] 시험 직전에 보는 10가지 꿀팁!](/img/tr.png)
![[빅분기] 3회 실기 기출유형 문제풀이](http://i.ytimg.com/vi/QpNufh_ZV7A/mqdefault.jpg)
와 진짜 그저 빛 감사합니다 ㅠㅠ 시험 잘 뿌수고올게요....절받으세요 ㅠㅠㅠ
응원합니다!!!
오 감사합니당 너무 간단하고 좋네요
화이팅 하세요 :)
@@ai-study 최고예용
@@sol7670 이거슨 비상용일 뿐입니다!!:)
감사합니다. 잘 봤습니다.!
좋은 영상이네요
감사합니다:)
영상 도움 많이 받고있어요 ! 그런데 영상 배속이 간혹 왔다갔다 해서.. 혹시 이유가 있으실까요~??
영상 진짜 이해하기 쉽습니다
캐글놀이터에서 실습하려했는데 보이지가 않네요
어디쯤에 이자료가 있을까요?
@뮤지컬마니아 님, 영상 설명에 링크가 있습니다:)
www.kaggle.com/agileteam/mock-exam-t2-starter-tutorial
영상 감사합니다. 작업형2에서 위와 같이 이진분류 예측모델이 아닌 다른 형태의 문제가 나올 가능성이 있을까요~
회귀, 다중 분류 등이 있을 수 있습니다:)
@@ai-study 캐글에 올려주신 작업형2에서 꼭 추천해주고 싶은게 있다면 ^^ 6개 모두 학습할 능력이 안되어서..
하나만 한다면 전 출제쪽에서 체험으로 올려준 구름 환경에서 함께 제공되는 백화점 데이터로 해보겠습니다 :)
@@ai-study 감사합니다~
안녕하세요 ! 실기 시험장에서는 y_test 가 안주어지는거고 캐글자료에 올라와 있는 y_test는 최종 모델 성능 검증 확인을 하기 위해 편의상(?) 제공된 정답인건가요???
네 맞아요 제공되지 않아요
3회땐 train과 test,
2회땐 X_train과 y_teain 그리고 test가 제공 되었어요
@@ai-study 답변 감사합니다!!
어떤 책에서는 train_test_split을 하던데 안해도 되는건가요??..
가능하면 하는 것을 추천해요!
(벼락치기 하는 사람에게만 생략 가능함을 알려줘요)
검증을 해야 어느정도 결과인 것을 확인할 수 있고, 개선도 가능해요.
안녕하세요 빅분기 준비하고 있는 학생입니다 ㅠㅠ 질문 좀 드릴게요..! 혹시 분류기 랜덤포레스트로 하셨는데 종속변수가 연속형이든 범주형이든 RandomForestClassifier를 사용하면 되나요?
회귀 일땐 RandomForestRegressor 입니다:)
회귀거나 분류 확률이 아니라면 model.predict(테스트 데이터) 해주면 됩니다
@@ai-study 감사합니다 !! 그럼 혹시 종속변수가 연속형인지 범주형인지 정확하게 파악하는 방법이 무엇인가요..? 최종 출력물에서의 컬럼 자료형이 object면 범주 numeric 계열이면 연속이라고 생각해도 될까요?
@@ai-study 원하는게 회귀인지 분류인지 예측인지 정확하게 구분하는 방법도 궁금합니다 ㅠㅠ
@@양원박-y6o dataq.goorm.io/exam/116674/%C3%AC%C2%B2%C2%B4%C3%AD%C2%97%C2%98%C3%AD%C2%95%C2%98%C3%AA%C2%B8%C2%B0/quiz/3
위 링크 체험 환경 왼쪽에 보면 문제가 있어요! 문제 지문을 보고 판단하는 것이 제일 정확합니다. 묻고자 하는게 금액, 수량 같은 수치형인지, 남/녀, 이직/계속근무과 같은 분류 문제인지 판단하면 되요!
채점 기준이 따로 있나요? 66%정도면 충분한 수치인가요?
채점 기준은 아쉽게도 알 수 없습니다. 🙌
참고로 Task밑에는 T-35이렇게만있고 위응 Mock로시작되는과제가안보여요
@뮤지컬마니아 님, 안녕하세요 :) 정상적으로 등록되어 있습니다!!
이렇게 제출만해도 부분점수가 가능할까요? ㅠㅠ 1유형 이제 막 마치고 2유형 시작하는데 쉽지 않네요,,
머신러닝을 제대로 학습해 제출하면 좋은 점수가 가능하겠죠??:) 본 영상은 가이드일 뿐 점수는 장담할 수는 없습니다. 하지만 포기하시진 말고 제출이라도 했으면 하는 바램에 만들었습니다. 화이팅하세요!
object를 다 제거하신 이유가 있을까요?
작업형2 기준이 점점 올라가는 것 같아요! 초초초보자를 위한 영상으로 object를 인코딩해주세요 :)