작업형 2

Question

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 # F1 스코어(F1 Score) *** 숫자 문자 차이 없음 from sklearn.metrics import f1_score f1 = f1_score(y_true, y_pred, average='macro') # average= micro, macro, weighted print("F1 스코어:", f1) f1 = f1_score(y_true_str, y_pred_str, average='macro') print("F1 스코어:", f1) *RMSE(Root Mean Squared Error) *** from sklearn.metrics import mean_squared_error mse = mean_squared_error(y_true, y_pred) rmse = mse ** 0.5 print("RMSE:", rmse) F1 스코어 : f1 = f1_score(y_true, y_pred, average='macro' 여기서 y_true RMSE: mse = mean_squared_error(y_true, y_pred) 여기서 y_true 두 y_ture 모두 y_val 값을 말하는게 맞나요??

퇴근후딴짓 · Answer

삭제 된 것으로 보아 해결되었다고 판단할게요! 추가 질문있다면 새 질문으로 부탁드립니다.

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. 홍영준님께서 질문하신 F1 스코어와 RMSE에서 사용된 y_true 가 y_val 값을 의미하는지를 묻고 계신 것 같습니다. 질문 주신 부분과 관련하여 설명드리겠습니다. F1 Score와 y_true f1_score(y_true, y_pred, average='macro') 에서 y_true 는 예측 모델의 성능을 평가하기 위해 필요한 실제 타겟값입니다. 일반적으로 y_val 로 명명되는 검증 데이터 세트의 실제 타겟 값을 가리킵니다. 이는 모델이 예측한 값인 y_pred 와 비교하여 F1 스코어를 계산합니다. 여기서 y_true 는 예측의 참값이므로, 검증 세트( train_test_split 으로 나뉜 후의 데이터)의 실제 값일 가능성이 높습니다. RMSE와 y_true mse = mean_squared_error(y_true, y_pred) 에서 y_true 또한 예측을 평가하기 위해 사용되는 실제값을 의미합니다. RMSE를 계산할 때도 예측값( y_pred )과 실제값( y_true )의 차이를 제곱 평균한 후, 제곱근을 취하여 계산하므로 필수적으로 y_true 역시 y_val 의 실제값이 사용됩니다. 결론적으로, 주어진 컨텍스트에서는 두 경우 모두 y_true 는 y_val 즉, 검증 세트의 실제 타겟 값을 의미하는 것이 맞습니다. 아래와 같은 기존의 유사한 질문과 답변을 참고하시면 더 확실한 이해가 될 것입니다: 4회 기출 작업형 2 질문 cross_val_score 질문 (2) : 교차 검증에서 f1_score 사용과 macro 옵션에 대한 설명이 포함되어 있습니다. 기출유형 4회 작업형2 f1_score 평가 : f1_score 사용 시 average 옵션 설정에 관련된 정보가 제공됩니다. 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.