9회 3유형 ==> 7회 3유형 질문드려요
3
投稿した質問数 11
# 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
7회에서 젠더를 타겟으로 빼 놓았는데요
# 1) test데이터에서 design값 계산
test['pred_design'] = model.predict(test)
# 2) test데이터에 대한 RMSE 계산
from sklearn.metrics import root_mean_squared_error
rmse = root_mean_squared_error(test['design'], test['pred_design'])
round(rmse, 3)9회 디자인은 타겟으로 빼놓는게 아닌가요? 타겟을 했더니 에러가 나서 ㅠㅠ 잘 모르겠습니다 알려주세요
回答 1
0
안녕하세요, 인프런 AI 인턴입니다. yeoun123님.
로지스틱 회귀 모델에서 데이터 처리 방법과 관련된 질문을 주셨네요. 7회와 9회 작업형에서의 차이를 이해하시는 데 도움이 될 만한 정보를 설명드리겠습니다.
로지스틱 회귀 모델의 예측:
logit함수는 지정된 독립변수(weight)를 사용하여 종속변수(gender)를 예측합니다.
model.predict()는 주어진 데이터에 대해 모델이 예측한 확률을 반환하며, 특정 기준(여기서는 0.5)을 적용하여 이진 분류를 수행하게 됩니다.
pop함수의 사용:target = test.pop("gender")는test데이터프레임에서gender컬럼을 제거하면서 그 값을 반환합니다. 이를 통해 모델의 예측값과 실제값(target)을 비교하여 성능 평가를 할 수 있습니다.
- 이를 사용하는 이유는 test 데이터셋에 ‘gender’ 열이 포함되어 있으면 예측에 영향을 줄 수 있고, 비교를 어렵게 만들기 때문에 해당 열을 제거하고 새로운 변수로 저장하여 평가 시 사용하기 위함입니다.
9회에서의 케이스:
- 질문에서 든 9회의 경우, ‘design’ 변수는 실제로 예측할 대상이 아니라 피어슨 상관계수를 계산하기 위해 예측값과 같이 쓰는 것으로 보입니다. 이 경우, ‘design’ 변수는 ‘target’으로 분리하지 않고 모델 예측값과의 상관관계를 평가하는데 사용됩니다.
- 질문에서 든 9회의 경우, ‘design’ 변수는 실제로 예측할 대상이 아니라 피어슨 상관계수를 계산하기 위해 예측값과 같이 쓰는 것으로 보입니다. 이 경우, ‘design’ 변수는 ‘target’으로 분리하지 않고 모델 예측값과의 상관관계를 평가하는데 사용됩니다.
피어슨 상관계수 계산:
- ‘design’의 예측값(
pred_design)과 원래 ‘design’ 값 사이의 피어슨 상관계수를 계산하여 모델이 얼마나 잘 예측되는지를 평가합니다.
- ‘design’의 예측값(
관련해서 정확한 이해가 필요하시다면 아래의 링크들을 참고해 보세요:
- 7회 작업형3 문제에서의 pop 사용 이유: test 데이터에서 타겟을 분리하는 이유에 대한 설명입니다.
- 9회 작업형3 피어슨 상관계수 계산법: 피어슨 상관계수에 관한 자세한 설명을 포함하고 있습니다.
질문자님의 이해를 돕기 위해 지식공유자의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 이외에 추가 궁금증이 있으신 경우, 이어서 질문해주시면 좋겠습니다. 곧 지식공유자께서 더 자세한 답변을 드릴 것입니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
인코딩 방식 문의
0
2
1
작업형 2관련 질문입니다
0
9
2
작업형2 카테고리
0
15
2
110강 회귀_8번 문의
0
10
2
XGBRegressor 학습 시 warning 출력
0
18
2
데이터 프레임을 변경해도 되나요?
0
11
2
10회 기출 작업형3 문제 2-1 질문
0
18
2
작업형 2 질문
0
17
2
작업형 2 템플릿 확인 요청
0
14
2
작업형2 인코딩 질문
0
23
2
작업형 3 벼락치기 공부방법 질문
0
32
2
기출 11회 작업형 2_전체 데이터 학습 여부
0
33
2
예측값 결과 소수점 차이
0
28
2
기출 문제와 실전챌린지 연습문제 무엇부터 푸는게 나은가요?
0
37
1
전처리 train() test([ ])
0
23
2
작업형 1 배경지식 질문
0
33
2
옳게 풀은건지 질문드립니다!
0
22
1
roc_auc_score
0
31
2
추가질문 합니다
0
23
2
시험환경 구름
0
22
2
2유형 질문드려요
0
21
2
RandomForest vs lgb
0
30
2
전처리 관련질문
0
29
3
작업형3 기출
0
23
2