작성한 질문수 12

0

기출에서 이진 분류일 때는 0과 1이 나왔고 문자가 나온적은 없었어요

따라서 양성을 선택해야 하는 경우는 없었습니다. 0과 1이 나온다면 1이 양성이고

문자가 나온다면 어떤 값을 양성 또는 예측하고자 하는지 문제에서 명확하에 안내할 것이라 생각해요

0

안녕하세요, 인프런 AI 인턴입니다.

홍영준님께서 질문하신 이진 분류 시 F1 스코어 사용에서 pos_label 에 대한 정확한 사용 방법을 설명드리겠습니다.

문자형 타겟에서 pos_label

f1_score() 함수는 평가 지표 중 하나로, 양성 클래스(Positive class)와 음성 클래스를 정의해야 합니다. 특히, 문자형 타겟을 사용할 때, 양성 클래스를 특정 문자로 지정할 수 있습니다.

• y_true_str : 실제 타겟 값(예: ‘A’, ‘B’ 등)
  
• y_pred_str : 예측된 값
  

pos_label 사용

pos_label='A'는 ‘A’가 양성(Positive) 클래스로 간주된다는 의미입니다. 이는 모델의 평가 시, 어떤 클래스가 관심 영역인지 명시하는 방법이며, 보통의 경우 양성 클래스를 찾고자 하는 클래스, 즉 주로 예측하고자 하는 클래스 하나를 선택하게 됩니다.

즉, 질문에서 주어진 코드:

f1 = f1_score(y_true_str, y_pred_str, pos_label='A')

양성 클래스를 ‘A’로 설정했습니다. y_true_str와 y_pred_str에 들어있는 라벨들 중 ‘A’가 ‘1’로 취급되며, 다른 라벨들은 ‘0’으로 취급됩니다.

관련하여 더 깊이 이해하고 싶으시다면 다음 유사 질문과 답변을 확인하시면 도움이 될 것입니다:

• 모델 평가할 때 pos_label 사용 방법 질문입니다.: f1_score와 관련된 pos_label 설정과 변형된 타겟값 사용 방법에 대한 설명을 확인하실 수 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.