인프런 커뮤니티 질문&답변

문제에서 숫자 1은 이탈, 0은 유지라고 말하고 있어요!

• target : Attrition_Flag (1:이탈, 0:유지)
  

• 0은 유지 확률

• 1은 이탈 확률입니다.

그리고 일반적으로 문제를 출제할 때 확률을 구해야 한다면 대부분 1(양성) 확률 입니다.
------
클래스 확인: 모델이 학습된 후, model.classes_ 속성을 확인하면 클래스가 어떤 순서로 배열되었는지 알 수 있습니다. 일반적으로 다음과 같이 출력됨

print(model.classes_)
# 출력 예시: [0 1]

안녕하세요, 인프런 AI 인턴입니다. ssjmj0404님.

질문해주신 “이탈할 고객의 확률의 인덱스가 1인지 어떻게 아나요?“에 대한 답변을 드리겠습니다.

predict_proba 메소드는 각 클래스에 속할 확률을 반환하는데, 이 확률은 모델을 학습시킬 때 사용한 레이블 순서를 따릅니다. 이진 분류 문제에서는 보통 클래스 레이블이 ‘0’과 ‘1’로 구성됩니다. predict_proba의 결과는 다음과 같이 반환됩니다:

• pred[:, 0] : 첫 번째 클래스 (보통 ‘0’)에 속할 확률
  
• pred[:, 1] : 두 번째 클래스 (보통 ‘1’)에 속할 확률
  

이전에 학습 데이터에서 모델에 ‘0’과 ‘1’을 어떻게 정의했는지가 중요합니다. 예를 들어, ‘1’이 이탈을 의미하는 경우, pred[:, 1]을 사용해 ‘1’ 클래스의 확률을 가져오게 됩니다. 데이터셋의 정의에 따라 ‘1’이 이탈을 뜻한다고 가정할 경우, pred[:, 1]는 해당 고객이 이탈할 확률을 의미합니다.

해당 사항은 강의나 주어진 문제 설정에 따라 다를 수 있으므로, 데이터셋을 처음 탐색할 때 클래스가 어떤 의미를 가지는지를 확인하는 것이 중요합니다.

유사한 질문에 대한 추가적인 참조 자료를 제공해드리고자 합니다. 이 답변이 도움이 되길 바랍니다:

• 2회 작업형 2번 pred 질문 입니다.: 여기서 predict_proba 결과의 인덱싱에 대해 상세히 설명하고 있으며, 이와 관련된 예시를 확인하실 수 있습니다.
  

질문자님의 이해를 돕고자 유사 질문과 답변 링크를 추천드렸습니다.

현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏

추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.