이해가 가지 않는 것

Question

roc_auc_score, f1_score, accuracy_score를 구할때 print문의 y_val,pred를 넣는데 왜 저 2가지를 넣는건가요? 그리고 proba는 뭔가요? print(roc_auc_score(y_val,pred_proba[:,1])) print(f1_score(y_val,pred)) print(accuracy_score(y_val,pred))

퇴근후딴짓 · Answer

많이 헷갈리시죠 평가지표 함수는 보통 (실제값과 예측값)을 넣고 비교해요 y_val는 실제값(정답), pred는 머신러닝이 예측한 값을 변수에 담았어요 평가 지표가 어려워 뒤 쪽에 뒀습니다. 31. 평가지표 (이진/다중 분류, 회귀) 영상 참고   pred_proba는 확률을 구합니다. 예를들어 0과 1이 있는 이진 분류라면 0 확률과 1 확률을 구할 수 있어요 [:,1] 는 1확률을 선택한 것입니다.

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. 김라의님께서 질문하신 내용에 대해 설명드리겠습니다. 평가 지표에 사용되는 주요 함수들 roc_auc_score : 이 함수는 수신자 조작 특성 곡선 (ROC curve) 아래의 면적 (AUC)를 계산하여 이진 분류 모델의 성능을 평가합니다. 이 때 predict_proba 또는 decision_function 을 이용해 모델이 각 클래스에 대한 확률을 반환받습니다. pred_proba[:,1] 는 각 샘플에 대한 positive 클래스의 예측 확률을 의미합니다. f1_score : f1_score 는 분류 모델의 정밀도와 재현율 의 조화평균을 통해 모델의 성능을 평가하는 지표입니다. y_val 과 pred 를 사용하여 실제 값과 예측 값을 비교합니다. accuracy_score : 이 함수는 전체 샘플들에 대해 예측이 정답과 몇 퍼센트 일치하는지를 계산합니다. 역시 y_val 과 pred 를 통해 계산됩니다. proba 의 의미 proba 는 확률을 뜻하며, predict_proba 메소드를 통해 모델이 각 클래스에 대해 예측한 확률을 반영합니다. 이 예측 확률을 기반으로 ROC-AUC 같은 평가 지표를 계산할 때 사용됩니다. 각 지표의 의도는 모델의 다양한 측면을 평가하기 위한 것이며, 상황별로 필수적으로 사용되는 지표가 다릅니다. 예를 들어 불균형 데이터에서는 roc_auc_score 나 f1_score 가 보다 유용할 수 있습니다. 아래의 질문들을 참고하시면 더 명확한 이해에 도움을 받으실 수 있습니다: 1. 작업형2모의문제1 / 평가 (predict/predict_proba)질문 : 이는 predict_proba 와 predict 의 차이에 대해 설명하며, ROC AUC 및 기타 평가 지표의 사용법을 안내합니다. 2. 3회 기술유형(작업형2) roc_auc_score(y_val,pred[:,1]) 문의 : 평가 시 predict_proba 를 통해 확률 기반으로 모델 성능을 평가하는 이유를 설명합니다. 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.

이해가 가지 않는 것

평가 지표에 사용되는 주요 함수들

proba의 의미

`proba`의 의미