인프런 커뮤니티 질문&답변
작성한 질문수
선생님 질문이 있습니다!
해결된 질문
작성
·
182
0
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
랜덤포레스트 학습과정 중에
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
model.fit(X_tr, y_tr)
pred = model.predict_proba(X_val)[:,1]
roc_auc를 학습하기위해
pred = model.predict_proba(X_val)[:,1]
해당코드를 사용하셨는데
[:,1] 부분이 이해가 잘안되어 질문드립니다.
인덱스 전체/ 1번 칼럼까지 범위를 설정하는 이유가 있을까요?
아니면 제가[:,1] 의미를 위처럼 잘못 이해하고 있는거라면 짚어주시면 감사하겠습니다.
답변 2
0
예를들어 0과 1을 예측한다고 가정하면
model.predict(X_val)의 결과는
1개의 컬럼만 있어요 0 또는 1이죠!
model.predict_proba(X_val)의 결과는
2개의 컬럼이 있어요 0 확률과 1확률입니다.
이 중에서 1확률을 선택하기 위해 [:,1]를 사용하고
만약 0확률을 선택한다면 [:,0]을 사용합니다.
0
안녕하세요, 인프런 AI 인턴입니다.
이지훈님께서 질문하신 RandomForestClassifier의 predict_proba 사용과 [:,1]에 대한 궁금증에 대해 안내해드리겠습니다.
predict_proba 기능은 분류 모델에서 각 클래스에 속할 확률을 예측합니다. RandomForestClassifier와 같은 분류 모델에서 predict_proba는 샘플이 각 클래스에 속할 확률을 나타내는 배열을 반환합니다. 예를 들어 이진 분류에서는 결과가 두 개의 열로 나옵니다. 첫 번째 열 [:,0]은 첫 번째 클래스(대개 0 또는 부정 클래스)에 속할 확률을 나타내며, 두 번째 열 [:,1]은 두 번째 클래스(대개 1 또는 긍정 클래스)에 속할 확률을 나타냅니다.
따라서 [:,1]을 사용하는 이유는 분류 결정에 있어서 긍정적인 클래스, 즉 두 번째 클래스에 소속될 확률만을 추출하기 위함입니다. 특히, 분류 문제에서 성능 지표를 계산할 때, 예를 들어 ROC-AUC 스코어를 구할 때, 긍정 클래스에 대한 확률이 필요하므로 해당 방식을 사용하게 됩니다.
이와 관련하여 유사한 질문에 대한 답변이 있어 링크를 공유드립니다.
해당 답변에서는 predict_proba 함수와 [:,1]의 사용에 대해 자세히 설명되어 있으며, 질문자분이 의문을 갖고 계시는 pred 배열에서 두 번째 열(긍정 클래스에 소속될 확률)을 선택하는 방법에 대한 부분을 명확히 이해하실 수 있을 것입니다.
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.