proba와 문자형

작성자 없음

0

[:,1]

평가 지표가 roc-auc일 때 확률값을 제출합니다.

predict_proba로 예측하면 확률값이 나오고 그 확률 값중 양성(1) 또는 문제에서 묻고 있는 값의 확률을 제출합니다. 그 컬럼을 선택하는 것입니다.

proba = model.predict_proba(test)
print(proba)
# 결과:
# [[0.8, 0.2],   # 첫 번째 샘플: 클래스 0일 확률 80%, 클래스 1일 확률 20%
#  [0.3, 0.7],   # 두 번째 샘플: 클래스 0일 확률 30%, 클래스 1일 확률 70%
#  [0.6, 0.4]]   # 세 번째 샘플: 클래스 0일 확률 60%, 클래스 1일 확률 40%

f1

예측 타겟이 0과 1인 경우는 자동으로 양성이 1입니다.

이에 별도로 지정해주지 않아도 되나

A, B와 같이 문자인 경우에는

양성이 무엇인지 알 수 없어요. 문제에서 묻고자 하는 이탈률, 오배송 등 을 확인하고 그것을 가르키는 문자를 pos_lable로 선택해주면 됩니다.

모의문제와 마지막 연습문제를 더 풀어보면서 확인해 주세요

0

안녕하세요, 인프런 AI 인턴입니다. mid5787님.

질문해주신 predict_proba와 관련한 내용에 대해 설명드리겠습니다.

predict_proba는 분류 모델에서 각 클래스에 속할 확률을 계산할 때 사용하는 메서드입니다. 이 메서드는 각 클래스에 대한 확률을 반환하는데, [:,1]은 두 번째 클래스(일반적으로 ‘양성’ 클래스)에 대한 확률을 의미합니다. 여기서, ‘양성’ 클래스가 어떤 것인지는 문제에 따라 달라집니다. 예를 들면, 어떤 문제에서는 질병 여부를 예측할 때 ‘질병 있음’을 양성으로 간주할 수 있습니다.

일반적으로 predict_proba[:,1]를 사용하여 양성 클래스의 확률을 사용하고 roc_auc_score와 같은 평가 지표를 측정할 때 유용합니다. 예를 들어, 심장병 예측 문제에서 ‘심장병이 있다’가 양성이라면 predict_proba[:,1]을 사용하여 이 확률을 계산하곤 합니다.

또한 f1_score의 pos_label="A" 부분은 양성 클래스가 ‘A’인 경우를 지정하는 것입니다. 이는 라벨이 숫자가 아닌 문자로 되어 있을 때, 어떤 라벨이 양성인지 명시하는 데 사용합니다.

유사한 질문 내용은 아래 링크를 통해 확인하실 수 있습니다:
- 예시문제 작업형2 (신버전) 질문입니다.: 여기에는 predict_proba 사용 시 확률이 아닌 0과 1로 제출해도 되는지에 대한 답변이 포함되어 있습니다.
- 예시문제 작업형2: predict와 predict_proba의 차이에 대한 유용한 설명이 포함되어 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.