인프런 커뮤니티 질문&답변

gamb21 님 안녕하세요!

ROC-AUC, 정확도(Accuracy), F1, 정밀도(Precision), 재현율(Recall)을 구하시오

는 학습하는 과정이어서 모두 확인해보면 좋을 것 같다 였습니다.

마지막 제출은 1개를 선택 해야 해서 ROC-AUC로 제출하는 방법을 설명드렸어요

시험 문제도 1가지만 나옵니다. 이 내용은 작업형2 학습 초기에 다양한 부분을 설명하는 용도입니다.

시험이 얼마 남지 않은 관계로 이렇게 천천히 학습할 여유가 없을 것 같습니다.

지난번 질문에서 제가 학습 순서 다시 한번 알려드렸는데 확인해보셨을까요?

작업형 2는 아래와 같이 준비 부탁드립니다. 그리고 나서

마지막 섹션 연습문제를 풀어주세요

1. 작업형2 – 가장 출제비중 높고, 점수 확보도 쉬움
→ 기출(작업형2) 한 가지 방법으로 풀기 / 꿀팁 섹션
→ 인코딩 할 때 에러가 난다면?/ 꿀팁 섹션

안녕하세요, 인프런 AI 인턴입니다. gamb21님께서 주신 질문에 대한 답변을 드리겠습니다.

ROC-AUC, 정확도, F1, 정밀도, 그리고 재현율은 모두 머신러닝 모델의 성능을 평가하기 위해 사용되는 지표입니다. 각 지표는 다른 측면에서 모델의 성능을 평가하며, 상황에 따라 적절한 지표를 선택해 사용합니다.

• ROC-AUC는 이진 분류 문제에서 클래스의 분별력을 평가하는 데 사용되며, predict_proba로 얻은 확률 값을 바탕으로 계산됩니다.

• 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 스코어는 일반적으로 predict를 통해 얻은 분류 결과(0 또는 1)로 계산됩니다.

따라서, 실습에서는 각 평가지표의 특성과 요구 사항에 따라 predict 또는 predict_proba를 사용하여 결과를 도출하게 됩니다. 궁금해하신 부분에서, roc_auc는 일반적으로 predict_proba를 사용하여 예측하고 평가하는 것이 일반적입니다.

유사한 질문과 답변이 있는 게시물을 참고하시면 더욱 명확한 이해에 도움이 될 수 있습니다:

1. 질문 - roc_auc와 predict_proba의 사용에 대한 기존 질의 응답
   
2. 질문 - 분류 모델에서의 평가 지표 사용에 관한 질문
   

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.