9회기출 작업형2-3
39
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.
pd.get_dummies()가 bool로 반환
0
5
1
대응표본검정 레빈
0
15
2
단일표본검정 문제 유형
0
16
2
[작업형 3] 6~7. 카이제곱 검정
0
15
2
9회 작업형3 문제 1-1
0
20
2
최종답안 계산 방식 질문
0
15
1
시험 치기 전 급하게 질문 사항
0
25
2
유형3
0
24
2
작업형 2 연습문제 섹션 3
0
18
2
11 기출문제 ipynb파일
0
21
2
작업형 3 유형
0
22
2
11회 기출 유형(작업형1) 2번 정답
0
18
2
f1 score 질문
0
19
2
10회 작업형 2 인코딩 질의
0
16
2
53번 강의에서 갑자기 수업노트가 없어졌습니다.
0
21
2
28:19 roc_auc이유
0
20
2
수강연장문의
0
23
2
전체적인 머신러닝 순서
0
25
2
빅분기 실기 유형2질문
0
26
1
ID 전처리 이유
0
33
2
데이터제공
0
33
2
예시문제 작업형3 꼬리질문2번
0
22
1
데이터 개수를 구할 때, len과 value_counts 차이
0
29
2
작업형 2 제출방
0
22
2