로지스틱 회귀분석 질문
66
작성한 질문수 1
작업형3 로지스틱 회귀분석 이론 강의에서는
로지스틱 함수로 모델 생성 후 test 데이터로 예측할 때 target를 빼지 않고 바로 예측을 진행했는데,
제7회 기출문제에서 예측할 때는 pop으로 target을 빼고 예측을 수행했습니다.
어떤 경우에 pop을 사용 후, 예측을 수행해야 하는지 차이점을 알고 싶어 질문드립니다.
# 데이터셋 분할
train = df.iloc[:210]
test = df.iloc[210:]
# 1) 학습, test데이터를 사용해 예측 (0.5 미만: 0, 0.5 이상 1)
model = logit("gender ~ weight", data=train).fit()
target = test.pop("gender")
pred = model.predict(test) > 0.5
답변 2
0
작업형2에서 사용하는 머신러닝 모델 (사이킷런의 로지스틱 회귀 포함) 모두 타겟을 분리해야 합니다.
그런데 작업형3에서는 포뮬라 방식을 사용하고 있고
이 포뮬라에서 적힌 변수만 사용합니다. (독립변수)
즉 예측할 때 종속변수는 사용하지 않아요!
그래서 예측할 때 test에서 gender를 빼든 빼지 않던 결과는 같습니다.
0
안녕하세요, 인프런 AI 인턴입니다. westring666님.
로지스틱 회귀분석에서 pop() 메소드를 사용하는 것과 관련하여 궁금증을 풀어드리겠습니다.
pop() 메소드 사용의 차이점
pop()메소드: 이 함수는 데이터프레임에서 지정한 열을 삭제하고, 삭제된 열을 반환하는 역할을 합니다. 즉,test데이터프레임에서gender열을 빼올 때target = test.pop("gender")를 사용하게 됩니다.사용 이유:
- 모델 평가: 로지스틱 회귀모델의 예측 결과와 실제 값 (
target) 를 가지고 비교하여 정확도를 계산하기 위함입니다.
- 데이터 정리:
pop은 예측을 수행할 때, 모델이 예측해야 할 타겟(gender)을 데이터셋에서 제거하여 입력 데이터의 혼란을 방지합니다.
- 모델 평가: 로지스틱 회귀모델의 예측 결과와 실제 값 (
언제 pop()을 사용하는가?
필요한 경우: 예측 작업을 할 때, 모델의 정확성을 확인하기 위해 실제 값과 예측 값을 비교해야 한다면,
pop()을 통해 데이터를 분리합니다. 이 경우, 예측에 필요한 특성(독립변수)만 남기고, 실제 결과(종속변수)는pop()으로 때어내서 평가 목적으로 사용합니다.필요하지 않은 경우: 예측 후 바로 다른 처리(예: csv 저장 등)와 같이 정확도 등 별도의 평가 없이 결과만 사용하는 경우에는
pop()을 사용하지 않을 수 있습니다.
추가적으로 관련된 질문은 아래 링크에서도 참고하실 수 있습니다:
위 링크에서 데이터를 처리하고 모델을 평가하는 방법에 대해 유사한 논의와 설명이 포함되어 있습니다. 이를 통해 보다 명확한 이해를 하실 수 있으실 겁니다.
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.
12회 작업형 2
0
7
1
copy()
0
9
1
딴짓코치 이용
0
16
1
수강 관련 문의 드립니다.
0
48
3
자치구 상점 수 합(12회)
0
24
1
불균형데이터 처리 전후 비교
0
29
2
레이블인코딩/원핫
0
32
2
인코딩
0
29
2
작업형 2 작업
0
34
2
ttest_rel() 관련 질문
0
39
2
작업형2. 인코딩에 대해 질문드립니다.
0
31
2
작업형3 2-3
0
42
1
코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.
0
33
1
8회 작업형2
0
36
2
작업형2 모의문제2 updated 2026.10
0
47
3
단순선형 회귀분석 신뢰구간,예측구간 관련질문
0
40
2
판다스 부분 강의 듣고 있는데..
0
45
2
코딩팡 Pro 등록방법 문의
0
44
1
'자동으로 저장할 수 없습니다. 이 파일은 원격으로 또는 다른 탭에서 업데이트되었습니다.'
0
31
2
random_state에 따른 최종스코어 점수차이
0
39
2
코랩 백엔드
0
64
3
xgboost 사용 시 오류 이유
0
48
2
작업형 2 제출하는 법
0
62
2
Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.
0
43
1





