Free양성일 확률 예측하기

scikit-learn 로지스틱 회귀로, 새 데이터의 각 행이 양성(라벨이 1)인지의 확률을, 값이 한 줄로 늘어선 1차원 배열에 담아 돌려주는 함수를 완성하는 문제입니다. 라벨은 0 과 1 두 가지, 학습은 학습 데이터로만 하고, 모든 값은 0 과 1 사이여야 합니다. 분류 모델을 확률 출력으로 바꾸는 기본기를 연습합니다.

분류 모델은 "예/아니오"만이 아니라 양성일 확률까지 함께 주면 훨씬 쓸모가 커집니다. 확률이 있으면 상황에 맞게 판단 기준선을 더 조심스럽게 또는 더 너그럽게 조절할 수 있기 때문입니다. 로지스틱 회귀는 그런 확률을 scikit-learn 으로 만드는 대표적인 방법입니다. 이 문제는 그 확률 출력을 만들고, 한눈에 믿기보다 실제 샘플로 검증하는 습관을 연습합니다.

예/아니오 대신 확률을 돌려주면 뭐가 좋나요?

확률이 있으면 상황에 맞게 판단 기준선을 옮길 수 있어요. 놓쳤을 때 비용이 크면 더 엄격하게, 작으면 더 너그럽게. 단순 예/아니오는 그런 여지를 주지 못합니다.

확률 출력은 어떻게 확인하나요?

모든 값이 0 과 1 사이인지, 배열 길이가 샘플 수와 같은지 먼저 봅니다. 범위뿐 아니라 뜻이 분명한 샘플 몇 개를 넣어 숫자가 맞는 방향으로 나오는지도 확인하세요.

이 문제는 어떤 라이브러리를 쓰나요?

Python, numpy, 그리고 scikit-learn 로지스틱 회귀를 씁니다. 라벨은 0 과 1 이고 학습은 학습 데이터로만 합니다.