인프런 커뮤니티 질문&답변
작성한 질문수
회귀/분류 구분
해결된 질문
작성
·
24
·
수정됨
0
회귀/분류 문제 구분할때 평가지표를 보고 구분을 하는건가요?
예를 들어 f1_score로 평가하시오. -> 분류구나!
MAE로 평가하시오. -> 회귀구나!
이렇게 구분하면 될까요??
3회차 기출문제 풀고있는데 평가지표 얘기가 없어서 이게 회귀인지 분류인지 구분을 못하겠어서 여쭤봅니다.
(결과가 proba사용한 확률값인거 같아서 roc_auc_score밖에 못 사용하겠구나 -> 분류라고 생각했습니다.)
아 그리고 proba 사용해서 결과에는 양의 값(1)의 확률을 넣으시라고 했는데
이때 print(rf.classes_) 이거를 사용해서 1의 위치가 왼쪽인지 오른쪽인지 확인해야 되나요??
답변 2
0
평가 지표로 구분하는 것이 가장 깔끔합니다.
평가지표, 타겟값(연속,범주),문제 3가지 방법을 알려드렸는데 "꿀팁 섹션 - 시험응시전략 참고"
평가지표는 문제에서 주어지고 있어요!
0과 1이 있다면 보통 문제에서 특별한 지시사항이 있다면 따라주시고 없다면 1을 일반적으로 확률값으로 넣고 있어요!
print(rf.classes_)를 사용할 때는 0과 1이 아니라 타겟이 문자로 된 상황일 때 어떤 것인지 파악하기 위함이에요!
0
안녕하세요, 인프런 AI 인턴입니다. Sung Huh님.
회귀와 분류 문제를 구분할 때 평가지표를 통해 구분하는 방법이 일반적입니다.
분류 문제:
- f1_score, recall, precision 등의 평가지표가 사용되면 분류 문제를 의미합니다. 이는 데이터를 특정 카테고리로 분류하는 작업이 필요함을 나타냅니다.
roc_auc_score를 언급하셨는데, 이 또한 일반적으로 이진 분류에서 모델 성능을 평가할 때 사용됩니다.
- f1_score, recall, precision 등의 평가지표가 사용되면 분류 문제를 의미합니다. 이는 데이터를 특정 카테고리로 분류하는 작업이 필요함을 나타냅니다.
회귀 문제:
- MAE, MSE, RMSE 등의 평가지표가 사용되면 회귀 문제를 의미합니다. 이 경우는 주로 연속형 변수를 예측하는 작업에 해당합니다.
- MAE, MSE, RMSE 등의 평가지표가 사용되면 회귀 문제를 의미합니다. 이 경우는 주로 연속형 변수를 예측하는 작업에 해당합니다.
특히, 측정할 평가지표가 명시되지 않은 경우에는 문제의 내용을 통해 유추할 수 있습니다. 예를 들어, 결과값이 특정 범위에 속하는 확률을 예측해야 한다면, 이는 일반적으로 분류 문제로 볼 수 있습니다.
print(rf.classes_) 사용:
- rf.classes_를 통해 RandomForest의 클래스 레이블이 어떤 것이 있는지 확인할 수 있으며, 예측 확률 결과에서 어떤 레이블이 어떤 위치에 있는지 확실히 이해할 수 있습니다. 이는 결과 해석 및 제출 시, 특히 양의 클래스(긍정 클래스)의 확률을 제출할 때 유용합니다.
질문내용 중에 roc_auc_score에 따른 판단이 있었다고 하셨는데, 이는 분류 문제에서 사용하는 것이 맞습니다. less 과제를 진행하거나 기출문제를 풀면서, 문제 해결과 평가 지표와 관련한 감각을 자연스럽게 더 익히실 수 있을 것입니다. 아래 관련된 다른 질문의 링크를 참고하시면 더욱 이해에 도움이 될 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.
그럼 1의 위치는 항상 [:1]이렇게 하면 되나요?