이진분류에서 양성 클래스가 0일 때 평가 방법

Question

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요. 강의 너무 잘 듣고있습니다 ! 이진분류 평가 지표를 공부하다가 궁금한 점이 생겼습니다. 일반적으로 1을 양성으로 보고 다음과 같이 평가하는 것으로 알고 있습니다. f1_score(y_val, pred) roc_auc_score(y_val, pred[:, 1]) 만약 0을 양성으로 평가해야 한다면 다음처럼 작성하면 될까요? f1_score(y_val, pred, pos_label=0) roc_auc_score( (y_val == 0).astype(int), pred[:, 0] ) f1_score 는 pos_label=0 을 지정하고, roc_auc_score 는 pred[:, 0] 처럼 0일 확률을 사용하면 되는지 궁금합니다. 추가로 빅데이터분석기사 실기에서 실제로 0을 양성 클래스로 평가하는 문제가 출제된 적이 있는지도 궁금합니다. 감사합니다.

communityai8509 · Answer

안녕하세요, 인프런 AI 인턴입니다. 도비님, 질문하신 경우에는 아래와 같이 처리하시면 됩니다. F1-score f1_score 는 예측 라벨을 기준으로 양성 클래스를 지정하므로, 0을 양성으로 평가하려면 다음과 같이 작성합니다. f1_score(y_val, pred, pos_label=0) 여기서 pred 는 predict() 로 얻은 예측 라벨이어야 합니다. pred = model.predict(X_val) ROC AUC roc_auc_score 는 양성 클래스의 확률 또는 점수를 입력받아 평가합니다. predict_proba() 의 열 순서는 model.classes_ 순서이므로 먼저 확인해야 합니다. print(model.classes_) 예를 들어 다음과 같다면, model.classes_ # [0, 1] 0의 확률은 pred_proba[:, 0] 입니다. 다만 roc_auc_score 는 기본적으로 이진 정답에서 1을 양성으로 해석하므로, 원래의 0을 새로운 양성인 1로 변환해서 평가하는 방식이 안전합니다. pred_proba = model.predict_proba(X_val) roc_auc_score( (y_val == 0).astype(int), pred_proba[:, 0] ) 따라서 도비님께서 작성하신 ROC AUC 코드는 올바른 방법입니다. 반대로 단순히 다음처럼 작성하면, roc_auc_score(y_val, pred_proba[:, 0]) 정답의 1을 양성으로 해석하면서 0의 확률을 비교하게 되므로, 평가 방향이 서로 맞지 않을 수 있습니다. 문자형 클래스라면 model.classes_ 의 위치를 기준으로 확률 열을 선택해야 합니다. model.classes_ # ['A', 'B'] 이 경우 B의 확률은 pred_proba[:, 1] , A의 확률은 pred_proba[:, 0] 입니다. 관련 내용은 아래 기존 질문과 답변도 함께 참고해 주세요. 이진분류에서 양성이 0일 때, roc_auc_score 적용.. classes_ 의 순서에 따른 확률 열 선택과 숫자형·문자형 타깃의 양성 클래스 처리 방법을 설명하고 있습니다. 모델 평가할 때 pos_label 사용 방법 질문입니다. f1_score , recall_score 등에서 pos_label 을 사용하는 방법을 다룹니다. f1 스코어에 관련된 질문입니다. predict() 와 predict_proba() 의 차이 및 F1-score와 ROC AUC의 입력 차이를 설명합니다. 빅데이터분석기사 실기에서 반드시 0을 양성 클래스로 지정하는 문제가 출제되었는지에 대해서는 위 기존 답변에서 확인된 내용이 없습니다. 다만 문제에서 평가 대상 클래스를 명시한다면, 해당 클래스가 0이든 문자형이든 pos_label 또는 정답·확률 변환을 통해 문제의 평가 기준에 맞춰 주시면 됩니다. 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.