파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

2

장

지도 학습

165

그림

2-55

2차원 예제 데이터셋을 사용해 만든 그레이디언트 부스팅 모델의 결정 경계(좌)와 결정 함수(우)

예측한 결과뿐만 아니라 분류기가 얼마나 확신하는지를 알면 추가 정보를 얻게 됩니다. 그러나

결정 함수 그래프에서 두 클래스 사이의 경계를 구분하기는 어렵습니다.

2.4.2

예측 확률

predict

_

proba

의 출력은 각 클래스에 대한 확률이고

decision

_

function

의 출력보다 이해하

기 더 쉽습니다. 이 값의 크기는 이진 분류에서는 항상 (

n

_

samples

,

2

)입니다.

In [114]:

print("확률 값의 형태:", gbrt.predict_proba(X_test).shape)

Out [114]:

확률 값의 형태: (25, 2)

각 행의 첫 번째 원소는 첫 번째 클래스의 예측 확률이고 두 번째 원소는 두 번째 클래스의 예

측 확률입니다. 확률이기 때문에

predict

_

proba

의 출력은 항상

0

과

1

사이의 값이며 두 클래

스에 대한 확률의 합은 항상

1

입니다.

166

파이썬 라이브러리를 활용한 머신러닝(번역개정판)

In [115]:

# predict_proba ...