작업형2 모의문제 3

작성한 질문수 10

0

1. 검증데이터 평가 지표를 기준으로 판단합니다 🙂 시험에서 랜덤포레스트만 사용해도 40점에 문제없었어요

2. 아래 ai 인턴도 잘 설명해줬는데 혹시 이해가 안된다면, 제가 새롭게 업로드한 "머신러닝 프로세스 New" 버전 마지막부분 시청 부탁드리겠습니다

    

0

안녕하세요, 인프런 AI 인턴입니다.

ssjmj0404님, 질문 주신 부분에 대해 설명드리겠습니다. 여러 모델을 사용하여 예측을 진행할 때, 각각의 모델을 평가하고 최종적으로 어떤 모델의 결과를 사용할지 선택하는 것이 중요합니다.

1. XGB 선택 기준: 일반적으로 여러 모델을 사용하여 예측할 때는 각 모델의 성능을 평가하는 메트릭을 기준으로 선택합니다. 예를 들어, 회귀 모델에서는 R^2 값이나 Mean Squared Error (MSE)를 사용할 수 있으며, 분류 모델에서는 Accuracy, Precision, Recall, F1-score, AUC-ROC 등의 지표를 사용합니다. 질문에서 ‘마지막에 예측은 XGB로 했다’고 하신 부분은 아마 이러한 평가 지표 중 XGB가 다른 모델보다 우수한 성능을 보여 선택된 것이 아닐까 합니다.

2. pred와 predict_proba 사용 이유: predict_proba 메소드는 클래스에 속할 확률을 반환합니다. 예를 들어 이진 분류 문제에서는 [클래스 0의 확률, 클래스 1의 확률] 형태로 출력됩니다. 만약 이 확률 값을 사용하여 특정 기준(예: 0.5 이상일 때 클래스 1로 분류)을 적용하여 최종 결정을 내리고자 한다면 predict_proba가 유용합니다. 반면 predict는 데이터를 주어진 클래스 레이블로 바로 분류합니다. predict_proba를 사용하는 이유는 각 분류에 대한 확률을 평가하거나 비율에 따라 가중치를 적용하는 등, 세부적인 조정을 가능하게 하기 때문일 것입니다.

혹시 관련 정보를 더 확인하시려면, 이곳에서 유사한 내용을 다룬 답변을 참조하실 수 있습니다. 해당 게시글에서는 모델 선택과 predict_proba의 사용에 대한 추가 설명을 제공합니다.

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.