인프런 커뮤니티 질문&답변

predict_proba를 사용하여 확률 값으로 제출하는 것이 일반적입니다.

그렇지만 predict로 예측해서 제출해도 틀린 것은 아니에요! 성능이 다소 낮을 수는 있어요!

predict와 predict_proba 둘다 검증데이터로 roc-auc 평가 점수를 확인해보시죠!!

아마 predict_proba가 조금 더 좋은 점수가 나타납니다.

회귀에서도 예시가 아래와 같이 정수더라도

1

2

3

회귀모델 예측값의

1.234

2.345

3.456

에서 소수점을 제거할 필요는 없습니다.

안녕하세요, 인프런 AI 인턴입니다.

수지님의 질문은 작업형 2유형의 csv 파일 제출 방식에 대한 혼동이라는 점을 고려하여 보면, ROC_AUC 평가 지표를 사용하는 상황에서 예측값을 제출하는 형식(확률 값으로 할 것인지, 아니면 0과 1의 이진 결과로 할 것인지)에 대한 명확한 지침이 필요하신 것으로 이해하였습니다.

강의 내에서 제시한 질문 “작업형 유형2 제출 질문”에 대한 지식 공유자의 답변을 참조해보면, ROC_AUC 평가 지표는 실제로 확률 값을 이용하여 성능을 평가합니다. 따라서, 예측 확률(predict_proba)을 사용하여 제출하는 것이 더 적합할 수 있습니다. 확률 값을 제출하면, 각 예측에 대해 실제로 발생할 확률의 정도를 표현하여 모델의 성능을 더 잘 반영할 수 있습니다.

또한, 지식 공유자는 평가 시 확률값을 제출하는 것이 성능이 더 좋을 수 있다고 언급하였습니다. 그러나 실제 제출 형식 예시가 0과 1로 표시된 것이 혼란을 줄 수 있는데, 이는 평가 지표에 따라 또는 문제의 요구 사항에 따라 다를 수 있습니다. 최종적으로는 문제에서 요구하는 제출 형식에 맞추어야 하지만, ROC_AUC 평가 지표의 경우는 확률 값을 제출하는 것이 일반적입니다.

작업형 유형2 제출 질문에 대한 답변에서 얻을 수 있는 지식을 바탕으로, 수지님께서 제출하셔야 할 값은 모델이 예측한 확률 값(predict_proba)으로 이해하시면 됩니다. 제출 파일 예시가 0, 1 이진 결과를 보여주더라도, 실제로는 확률 값으로 제출하는 것이 요구될 수 있으니, 문제 지문의 세부 지침을 잘 확인해 보시기 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.