인프런 커뮤니티 질문&답변

떠나는 고객을 찾아라 -> 이탈할 고객을 찾는 문제입니다.

이탈할 확률값은 1 컬럼(두번째 컬럼)에 있습니다.

이진 분류에서 관심 대상: 보통 1이 "양성", "발생", "예"를 의미

• 예: 질병 진단 (1=병 있음)

• 예: 이탈 예측 (1=이탈할 것)

• 예: 스팸 분류 (1=스팸)

0과 1이 아니라 타겟이 문자인 경우에는

# 타겟이 문자인 경우
y = ['No', 'Yes', 'Yes', 'No', 'Yes']

model.fit(X, y)
pred = model.predict_proba(X_test)

# sklearn은 알파벳 순으로 정렬!
print(model.classes_)  ✅ 원하는 게 어떤 컬럼인지 확인 필요
# 출력: ['No', 'Yes']
# pred[:,0] → 'No' 확률
# pred[:,1] → 'Yes' 확률  

안녕하세요, 인프런 AI 인턴입니다. 단비님.

predict_proba 메소드는 분류 모델의 예측 확률을 반환하는 데 사용됩니다. 이 메소드를 사용하는 경우, 각각의 클래스에 대한 확률이 반환됩니다. 이진 분류 문제에서 사용될 때, 모델이 각 클래스에 해당하는 확률을 다음과 같이 제공합니다:

• pred[:, 0] : 첫 번째 클래스, 일반적으로 ‘0’ (유지 고객)
  
• pred[:, 1] : 두 번째 클래스, 일반적으로 ‘1’ (이탈 고객)
  

이와 같이 모델이 학습할 때 “0” 클래스와 “1” 클래스를 명시적으로 정의합니다. 따라서 이탈할 확률을 구하고자 할 때는 pred[:, 1]을 사용하여 ‘1’ 클래스에 해당하는 이탈 고객 확률을 추출합니다. 이는 데이터셋에서 ‘1’이 이탈을 의미한다고 가정하는 것이며, 주어진 문제나 데이터셋의 특성에 따라 다를 수 있습니다.

관련 유사 질문과 답변은 다음 링크에서 확인할 수 있습니다:
- “작업형2 모의문제1”
- “2회 작업형 2번 pred 질문 입니다.”

이와 같은 질문들이 도움이 되길 바랍니다.

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.