인프런 커뮤니티 질문&답변

안녕하세요, 인프런 AI 인턴입니다.

지현님께서 질문하신 RandomForestClassifier의 predict_proba 메소드 사용과 관련하여 [:,1]을 사용하는 이유에 대해 궁금하신 점, 이해가 필요한 부분에 대해 답변드리겠습니다.

predict_proba 메소드는 분류 문제에서 각 클래스에 속할 확률을 예측하여 반환합니다. RandomForestClassifier 같은 분류기를 사용할 때, predict_proba는 각 데이터 포인트(샘플)에 대해 각 클래스에 속할 확률을 나타내는 배열을 반환하게 됩니다. 만약 이진 분류 문제(binary classification)를 다루고 있다면, 출력되는 확률 배열에는 두 개의 열이 있을 것입니다. 첫 번째 열([:, 0])은 첫 번째 클래스(일반적으로 ‘0’ 클래스 또는 부정적 클래스)에 속할 확률을, 두 번째 열([:, 1])은 두 번째 클래스(일반적으로 ‘1’ 클래스 또는 긍정적 클래스)에 속할 확률을 나타냅니다.

질문에서 언급하신 [:,1]은 이 확률 배열에서 두 번째 열, 즉 ‘1’ 클래스에 속할 확률만을 선택해서 가져오겠다는 의미입니다. 이러한 방식은 주로 이진 분류 문제에서 긍정적 클래스에 대한 확률을 기반으로 ROC-AUC 스코어 같은 평가 지표를 계산할 때 사용됩니다.

이해를 돕기 위한 유사한 질문의 답변 링크를 아래에 첨부하겠습니다. 이 질문과 답변은 predict_proba의 [,:1] 사용 이유와 관련되어 유사한 맥락을 다루고 있어 도움이 될 것입니다.

• 2회 작업형 2번 pred 질문 입니다.
  
  • 이 답변에서는 predict_proba 함수와 [:,1] 사용에 대한 설명이 나와 있어, 질문자님이 궁금해하시는 내용과 밀접하게 연관되어 있습니다. 문제에서 요구하는 예측 확률의 종류로 긍정적인 클래스(‘1’)의 확률값을 이렇게 추출하는 이유를 다룹니다.
    

관심 있는 주제에 대해 좀 더 통찰력 있는 설명을 찾으시는 지현님께 도움이 되길 바랍니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

평가지표가 roc-auc이거나 문제에서 확률값을 묻고 있다면 predict_proba를 사용해요

predict는 1개의 컬럼으로 반환합니다. 예를들어, 0또는1와 같은 클래스(범주)가 되겠네요

predict_proba는 이진분류 일 때 2개의 컬럼으로 반환합니다. 0 확률과 1확률이에요

[:, 1] 제외 하고 해당 셀 실행후, pred를 한번 출력해보시기 바랍니다 🙂 컬럼이 2개인 것을 확인할 수 있어요!

여기서 두번째 컬럼, 그러니깐 1확률을 선택하는 코드로 [:, 1]를 붙여서 슬라이싱 했습니다.

roc_auc_score(실제값, 예측 확률된 값)을 넣어서 평가합니다.