기출2회 제2유형

Question

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 기출문제2회, 제2유형에서요. 아래 항목중에서 pred = model.predict_proba(X_val) X_val → test로 바꿔도되나요? # 랜덤포레스트 model = RandomForestClassifier(random_state=2022) model.fit(X_tr, y_tr) pred = model.predict_proba(X_val) print(roc_auc_score(y_val, pred[:,1]))

퇴근후딴짓 · Answer

네 최종적으로 우리가 예측하는 것은 test가 맞습니다. 다만 pred = model.predict_proba(X_val) 를 pred = model.predict_proba(test)로 변경하더라도 print(roc_auc_score(y_val, pred[:,1])) 는 사용할 수 없습니다. y_val -> 정답인데 이것은 X_val의 정답입니다. 우리는 test 정답을 알 수 없어요.

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. wlysh999님, 기출문제 2회 제2유형에서 RandomForestClassifier를 사용한 예측 작업에 대한 질문을 해주셨군요. predict_proba 메소드를 이용해 검증 데이터( X_val )가 테스트 데이터( test )로 바뀌어도 되는지 궁금하신 부분을 설명드리겠습니다. 일반적으로 predict_proba 메소드는 모델이 각 클래스에 대해 예측하는 확률을 출력합니다. 여기서 중요한 포인트는, 모델의 성능을 평가하기 위한 데이터( X_val )와 우리의 최종 결과를 예측하기 위한 데이터( test )를 구분해서 사용하는 것입니다. 검증 데이터( X_val ) : 모델의 성능을 평가하기 위해 사용되며, 이미 레이블( y_val )이 존재하는 데이터셋입니다. roc_auc_score 와 같은 평가 지표를 계산할 수 있도록 실제 값과 예측된 확률을 사용해서 성능 평가를 진행합니다. 테스트 데이터( test ) : 예측값을 생성하고 제출하기 위해 사용하는 데이터로, 레이블이 주어지지 않은 실험 데이터입니다. 이 데이터는 최종 제출을 위한 예측값을 도출하는 데 사용되며, 보통 성능 평가에는 사용되지 않습니다. 따라서, predict_proba(X_val) 를 predict_proba(test) 로 변경하여 사용하는 것은 최종 예측을 만들어 제출하는 데 적합합니다. 그러나 roc_auc_score 와 같은 성능 지표를 계산할 때는 X_val 과 y_val 을 사용해야 하므로 이에 유의해 주시기 바랍니다. 이와 관련하여 유사한 질문 및 답변으로는 아래 링크가 도움이 될 수 있습니다: 3회 기출유형 작업형 2번 질문있습니다. : 여기서는 predict_proba 메소드를 사용하는 조건과 평가 방법에 대해 다루고 있습니다. 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.