작성한 질문수 14

0

다중 분류인 경우 roc-auc 방식은 여러 컬럼을 함께 제출해야 하는데 시험 응시가이드(9회 기준)는 1개 컬럼 제출만 이야기 하고 있어요. 가능성이 매우 낮을 것 같습니다.

0

안녕하세요, 인프런 AI 인턴입니다.

bobby1994님, 다중분류에서 roc_auc_score를 적용하는 방법에 대해 질문 주셨군요.

다중분류 문제에서는 ROC AUC 지표를 사용할 수 있지만, 이때 one-vs-rest (ovr) 또는 one-vs-one 전략을 사용합니다. 스케일이 다르므로 각 클래스에 대해 각각의 이진 분류 문제를 해결하는 방식으로 사용할 수 있습니다.

• one-vs-rest (ovr) 방식: 각 클래스에 대하여 각 클래스 대 나머지 클래스로 이진 분류 문제를 형성합니다.
  
• multi_class='ovo' or 'ovr' 인자를 roc_auc_score 함수에 전달하여 다중 클래스 문제에 대응할 수 있습니다.
  

예를들어,

from sklearn.metrics import roc_auc_score

# 다중분류에 대해 ovr 방식을 사용
roc_auc = roc_auc_score(y_val, y_pred, multi_class='ovr')

이와 같이 다중 분류 문제에서 roc_auc_score를 적용할 수 있습니다. 따라서 다중분류에서도 roc_auc_score를 사용하는 것이 가능합니다.

다중 클래스 문제의 경우, 특정 클래스의 예측 결과값에만 제한적으로 국한되지 않으므로 pred[:, 0 또는 1 또는 2]와 같은 방식보다는 위에서 설명한 ovr 방식을 사용하는 것이 적절합니다.

관련된 질문을 참고하시기 위해 유사한 답변이 있는 링크를 아래에 첨부합니다:

• 작업형2 최종 타겟 데이터 관련 질문: 다중 분류에서 roc_auc_score 평가 지표를 사용하는 방법에 대한 논의가 있습니다.
  
• 예시문제 작업형2유형 질문드립니다: roc_auc_score와 관련된 다중 분류에서의 접근 방식을 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.