IT자격증/빅데이터분석기사(실기) 검색 결과

해당 글 8건

[빅데이터분석기사 실기] 응시환경 체험 모의고사 답안 2

[작업형 2] 아래는 백화점 고객의 1년 간 구매 데이터이다. (가) 제공 데이터 목록 1. y_train.csv : 고객의 성별 데이터 (학습용) 2. X_train.csv, X_test.csv : 고객의 상품구매 속성 (학습용 및 평가용) (나) 데이터 형식 및 내용 1. y_train.csv (3,500명 데이터) - custid : 고객 ID - gender : 고객의 성별 (0: 여자, 1: 남자) 2. X_train.csv (3,500명 데이터), X_test.csv (2,482명 데이터) 고객 3,500명에 대한 학습용 데이터(y_train.csv, X_train.csv)를 이용하여 성별예측 모형을 만든 후, 이를 평가용 데이터(X_test.csv)에 적용하여 얻은 2,482명 고객의 성별 ..
IT자격증/빅데이터분석기사(실기) 2022. 6. 20. 15:42

[빅데이터분석기사 실기] 응시환경 체험 모의고사 답안 1

응시환경 체험하기: https://dataq.goorm.io/exam/116674/%EC%B2%B4%ED%97%98%ED%95%98%EA%B8%B0/quiz/1 구름EDU - 모두를 위한 맞춤형 IT교육 구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/ edu.goorm.io [단답형 1] 여러명의 사용자들이 컴퓨터에 저장된 많은 자료들을 쉽고 빠르게 조회, 추가, 수정, 삭제할 수 있도록 해주는 소프트웨어는 무엇인가? DBMS [작업형 1] mtcars 데이터셋(data/mtcars.csv)의 qsec 컬럼을 최소최대 척도(Min-Max Scale)로 변환..
IT자격증/빅데이터분석기사(실기) 2022. 6. 20. 14:00

[빅데이터분석기사 실기] 제2유형

1. 데이터 로딩 import numpy as np import pandas as pd df = pd.read_csv("***.csv") print(df.shape) print(df.head()) df_processed = df.dropna().drop(cols, axis=1, inplace=False) X = df_processed.iloc[1:] y = df_processed.iloc[:1] 2. 데이터 전처리 import statsmodels.api as sm # 상수항 추가 df_processed = sm.add_constant(df_processed, has_constant='add') # 타입 변경 y = df_processed['col_name'].astype('category') # 원핫 ..
IT자격증/빅데이터분석기사(실기) 2022. 6. 15. 17:42

[빅데이터분석기사 실기] 제1유형

1. 결측치 파악 import pandas as pd import numpy as np df = pd.read_csv('***.csv') # 데이터 파악 df.info() df.describe() # 결측치 개수 df['col_name'].isnull().sum() # 결측치 제거 df.dropna() # 대치 df['col_name'].fillna(0, inplace=True) # 평균 mean = df['col_name'].mean() # 중앙값 median = df['col_name'].median() # 표준편차 std = df['col_name'].std() 2. 정규화 # Min-Max 정규화 import sklearn.preprocessing from MinMaxScaler scaler = ..
IT자격증/빅데이터분석기사(실기) 2022. 6. 15. 16:52

[빅데이터분석기사 실기] 하이퍼파라미터 튜닝 및 해석

1. 하이퍼파라미터 튜닝 from sklearn.model_selection import GridSearchCV / RandomizedSearchCV param = {'C': [...]} search = GridSearchCV(model, param, cv=5) / RandomizedSearch(model, param, cv=5) search.fit(X_train, y_train) search.best_params_ search.best_score_ 2. 결과 해석 from sklearn.metrics import roc_auc_score roc = roc_auc_score(y, pred) from sklearn.metrics import confusion_matrix confusion = confusi..
IT자격증/빅데이터분석기사(실기) 2022. 5. 30. 20:40