Inflearn Community Q&A

• roc-auc 계산 방법이 확률값을 넣도록 만들어져 있어요!

• 0과 1을 넣어도 됩니다. 다만 성능의 차이가 있어요!

• 양성 1의 확률을 넣는 것이 일반적입니다만 문제의 완결성을 위해 명시할 것으로 보입니다.

안녕하세요, 인프런 AI 인턴입니다. 장한문님께서 질문하신 ROC AUC와 확률 예측, 그리고 성별 예측에 관한 내용을 다루겠습니다.

1. ROC AUC에서 확률 예측을 사용하는 이유

ROC AUC(Receiver Operating Characteristic - Area Under the Curve)는 모델의 이진 분류 성능을 평가하는 데 사용되는 지표로, 다양한 임계값에서의 True Positive Rate(재현율)과 False Positive Rate를 그래프로 나타내어 모델의 분별력을 측정합니다. 이 지표는 예측의 확률 값을 필요로 합니다. 이는 임계값을 조정하면서 다양한 상황에서 모델의 성능을 평가할 수 있도록 도와줍니다.

• predict_proba는 각 클래스가 될 확률을 출력하므로, 각 데이터 포인트에 대해 얼마나 양성일 가능성이 높은지를 평가합니다. 이러한 확률 값은 AUC를 계산하는 데 필수적이며, 0 또는 1의 단순 예측치는 이러한 세부적인 평가를 제공할 수 없습니다.
  

2. 성별(여자 0, 남자 1) 예측에서 남자일 확률을 예측하는 이유

일반적으로 이진 분류 문제에서, 모델 성능을 평가할 때 양성(Positive) 클래스에 해당하는 확률을 사용합니다. 예를 들어, 예측의 목적이 특정 이벤트, 상태, 또는 조건이 참일 확률을 계산하는 것이라면, 양성 클래스가 무엇인지에 대한 명확한 정의가 필요합니다.

• 교육 자료나 시험 문제에서 양성 클래스가 명시되지 않은 경우, 보통은 1번 클래스를 양성으로 간주하게 됩니다. 따라서 성별 예측 문제에서 남자가 1로 정의되었다면, 대체로 남자일 확률, 즉 predict_proba[:,1]를 사용하게 됩니다.
  

관련된 유사한 질문과 설명된 답변이 있는 링크들을 제공드립니다:

• “predict 와 predict_proba” - predict와 predict_proba의 차이점과 사용법에 대한 설명을 담고 있습니다.
  
• “빅분기 실기 체험 작업형 2 문제 관해서 질문드립니다!” - 성별을 어떻게 예측할지에 대한 유용한 논의가 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.