inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

4회 기출-2유형 macro-f1 score 관련

해결된 질문

824

narae.park325

작성한 질문수 7

1

안녕하세요. 4회 기출문제의 macro f1-score 관련하여 질문드립니다.

문제 풀이에서는 교차검증으로 macro f1-score를 구하는 것으로 나왔는데요

from sklearn.model_selection import cross_val_score

scores = cross_val_score(rf, train, target, scoring='f1_macro', cv=5)

 

1) 이 과정이 기존의 model_selection, train_test_split -> 평가 스코어 확인

대신에 하는 과정이라고 이해하면 될까요?

그리고 macro- f1 score라고 하면 위처럼 train test split을 생략하고 cross_val_socre 코드를 사용하며 되는것인지 궁금합니다. 검색해도 잘 나오지 않더라고요;; 아래 macro f1이라고 하면 아래 2)번 설명이 많이 나옵니다^^;;

 

2) 그렇다면 기존에 이진분류에서 알려주신 아래 코드는 macro -f1 score가 아니라 그냥 f1 score가 나오는 것인가요? 이 방법을 사용하면 문제 의도에서는 틀린것인지 궁금합니다.

(※ 이 질문을 올리고 계속 공부하다보니 6회 기출에서도 f1-macro를 사용하라고 나오는데, 6회 풀이에서는 아래와같이 코딩하셨더라구요. 4회와 6회의 차이점이 무엇인지도 궁금합니다. )

from sklearn.metrics import f1_score

print(f1_score(y_val,pred, average='macro')

 

감사합니다.

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 1

0

퇴근후딴짓

네 크로스 밸리데이션을 잘 사용하셨네요!!

그로스 밸리데이션에서 scoring 작성 방법은 조금 다릅니다. 아래 코드를 통해 정확하게 확인할 수 있어요

 

from sklearn.metrics import SCORERS 
print(list(SCORERS.keys()))

 

사이킷런에서 제공하는 f1_score함수를 사용할 때는

print(f1_score(y_val,pred, average='macro')가 맞습니다.

 

둘 다 같은 평가지표로 평가하는 것이나

위는 크로스 벨리데이션을 활용해 전체를 학습/검정용으로 사용했고

아래는 일반적은 방법을 사용했습니다.

 

여력이 되면 크로스밸리데이션을 사용하는 것이 좋으나

익숙치 않으면 일반적인 방법을 사용해 주세요 🙂

 

0

narae.park325

감사합니다!!!

작업형2 모의문제1 (30강)

0

18

1

수강 기간 연장 문의 드립니다.

0

21

1

수강 계획과 관련해 문의 드립니다.

0

19

1

작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?

0

44

2

작업형 1 -연습문제 4-6

0

32

2

작업형 1 유형 부분

0

40

2

작업형 1 (삭제예정, 구 버전)

0

50

2

수강기간 연장 문의드립니다.

0

35

1

2유형 레이블 인코딩 VS 원핫 인코딩

0

36

3

수강기간 연장 문의드립니다.

0

38

1

인덱스 슬라이싱

0

35

2

질문 드립니다.

0

49

2

강의 내용 관련 질문드립니다~

0

46

2

수강 연장 문의

0

63

2

강의자료 일괄 다운로드

0

58

2

수강기간 연장 문의드립니다

0

47

2

list 문제 질문드립니다~

0

38

2

빅분기 실기 12회 재도전

0

62

2

강의 기간 연장 가능여부 검토 요청건

0

49

2

수강기간 연장 문의 드립니다

0

45

2

수강기간 연장 문의드립니다

0

52

2

질문이요

0

57

2

수강기간 연장 문의드립니다.

0

60

2

문제 3-2 질문드립니다

0

47

2