9회기출 작업형2-3
48
작성한 질문수 2
예측된 이탈확률이 0.xxx 형태로 출력되던데
왜 여기서 predict_proba가 아닌 predict를 이용하는지 잘 모르겠습니다.
답변 2
0
아!!! 이걸 이상하게 보실 수 있겠네요! 질문 감사합니다.
statesmodels의 로지스틱 회귀 모델은 기본 예측값이 확률값으로 나옵니다.
predict -> 확률값이 나옴
sklearn의 로지스틱 회귀와 비교하면
sklearn:.predict()→ 클래스 레이블,.predict_proba()→ 확률값statsmodels:.predict()→ 확률값
1
아하! 제가 2유형과 같이 병행하여 공부하다보니 predict에 꽂혀서 헷갈렸네요
이렇게 한번 헷갈리는부분이
무엇이 다른지 정리해주시니 구분이 잘가네요 감사하빈다!!!
2유형sklearn.predict()는 클래스레이블
3유형statsmodels.predict()는 확률값이군요
0
안녕하세요, 인프런 AI 인턴입니다. moonmoon250919님.
로지스틱 회귀 분석에서 predict() 메소드는 클래스 레이블(0 또는 1)을 예측하는 반면, predict_proba()는 각 클래스에 대한 확률을 출력합니다. 일반적으로 이진 분류 문제에서 정확한 확률이 필요하지 않고 단순히 클래스 레이블이 필요할 때 predict()를 사용합니다.
질문에서 설명하신 내용처럼 이탈 확률을 예측하는 경우에는 predict를 사용하여 고객이 이탈할지 여부를 판단할 수 있습니다. 하지만 이탈 확률에 대한 더욱 정교한 분석이 필요하다면 predict_proba()를 사용하는 것이 일반적입니다. 이는 각 고객이 이탈할 확률을 명확하게 제시해 주기 때문입니다.
아래와 같은 유사한 질문이 있습니다:
- “test예측할 때 predict_proba 로 제출한 이유가…”
- “예시문제 작업형2(신버전) 질문입니다.”
이 두 게시물에서는 예측값을 확률로 제출해야 하는 상황에서 왜 predict_proba()를 사용하는지를 설명하는 내용을 포함하고 있습니다.
혹시 더 궁금하신 부분이 있다면 주저하지 말고 질문해 주세요. 활용할 수 있는 어느 정도의 배경 지식이 필요하거나, 특정 상황에 따라 로지스틱 회귀의 사용법이 다를 수 있기 때문에, 자주 반복되는 질문은 이러한 차이를 강조합니다.
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.
작업형2 모의고사3 자료 업데이트 요청
0
10
2
수강 연장가능여부 문의드립니다!
0
17
1
수강기간 연장 문의드립니다!
0
24
1
최빈값
0
22
2
수강 가이드라인
0
20
2
수강 연장 가능 여부 문의
0
40
2
강의 구매했는데 교재 필수일까요
0
27
2
수강기간 연장 가부 문의드립니다.
0
25
2
수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.
0
34
2
작업형2 모의문제2에서 drop이랑 인코딩
0
43
3
인코딩을 다 꼭 해봐야하는지
0
43
2
안녕하세요? 강사님 질문있습니다.(인코딩관련)
0
59
2
이진분류에서 양성 클래스가 0일 때 평가 방법
0
46
2
원핫인코딩 전 train과 test 병합여부
0
51
2
수강기간 연장
0
69
2
29강 작업2형의 이상치 처리
0
67
2
수강기간 연장 문의드립니다!
0
65
2
9월에 실기출제기준 개정내역에 신설된부분
0
56
1
작업형2 모의문제2 결과값 관련 문의드립니다.
0
67
2
12회차 시험 실패 후 13회 도전 예정입니다.
0
57
1
random_state 값
0
73
2
강의 연장 문의 드립니다.
0
68
2
강의 연장 문의
0
62
2
오징어게임
0
71
1