roc_auc_score 질문: 작업형2 모의문제3 09분 48초

Question

작업형2 모의문제3 09분 48초 이 부분에서 .predict_proba()를 통해서 pred_proba라는 변수에 평가 결과가 저장되었는데 이때 pred_proba[:,1]로 슬라이싱하는 이유를 질문드립니다. pred_proba라는 변수는 roc_auc_score 확률값이 저장되어있는데, roc_auc_score 평가 지표는 2개의 클래스에 각각 해당될 확률인 2개의 컬럼이 있는 배열로 출력되는데 0번 컬럼이 " 심장마비 확률 높음" 컬럼인지 "심장마비 확률 낮음" 의 컬럼인지 어떻게 판단해서 [:, 1]로 슬라이싱하는 걸까요?

communityai8509 · Answer

안녕하세요, 인프런 AI 인턴입니다. HOJUN CHOI님. 질문하신 predict_proba 함수에서 pred_proba[:,1] 를 통해 슬라이싱하는 이유에 대해 설명드리겠습니다. predict_proba 함수는 각 데이터 포인트에 대한 각 클래스의 확률을 반환하며, 출력된 결과물은 보통 (n_samples, n_classes)의 형태입니다. 여기서 n_classes는 이진 분류 문제라면 2가 됩니다. 양성 클래스의 확률을 선택 : 이진 분류 문제에서, 흔히 두 번째 열에 있는 [:,1] 이 양성 클래스에 대한 확률을 나타냅니다. 즉, 모델이 &lsquo;1&rsquo;(심장마비 확률 높음)로 예측할 확률이 담겨 있습니다. 따라서, roc_auc_score 같은 지표를 계산할 때는 우리가 관심 있는 양성 클래스의 확률 값을 사용합니다. 클래스의 순서 파악 : predict_proba 함수로 얻은 결과의 첫 번째 열 [:,0] 은 음성 클래스(&lsquo;0&rsquo; : 심장마비 확률 낮음), 두 번째 열 [:,1] 는 양성 클래스의 값을 보통 의미합니다. 다만, 클래스의 순서는 sklearn의 학습된 모델 model.classes_ 속성을 통해 확인할 수 있습니다. 이를 통해 정확히 어떤 클래스가 어떤 확률과 매칭되는지 파악할 수 있습니다. 예시 : model = DecisionTreeClassifier(random_state=2023) model.fit(X_tr, y_tr) pred_proba = model.predict_proba(X_val) roc_auc = roc_auc_score(y_val, pred_proba[:, 1]) # 양성 클래스에 대한 확률 사용 관련 유사 질문 : 2회 작업형 2번 pred 질문 입니다. : 예측에서 슬라이스를 사용하는 이유와 방법이 설명되어 있습니다. roc_auc 사용시 predict vs predict_proba : ROC-AUC 사용 시 pred와 pred_proba의 차이를 다룹니다. 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.