1回答

liuyubobobo

2021-09-24

首先，sklearn 提供的所有模型，都没有一个内置的方式，直接修改模型的 threshold，之后调用 predict，就按照自己定义的新的 threshold 做预测了。如果想使用自定义的 threshold，就不能使用 predict。

其实最简单的方式是使用 predict_proba。predict_proba 返回的是模型预测的测试数据为不同类别的概率，默认的分界点是 0.5，但你可以在拿到这个概率之后，用自己自定义的一个新的概率作为分界点（这相当于调整了 threshold。）

一个典型的代码是这样的：

其中，In[14] 的逻辑是我们如何使用自定义的新的分界点（0.6）做预测，非常简单。

注意最终的结果，In[15] 中的第二个数据分类是 0，但是用默认的 predict（In[16] 中）第二个分类，结果为 1。因为对于第 2 个数据，分类为 1 的概率为 0.52746（见 In[11]）。在 0.5 这个分界点下，分类为 1，在 0.6 这个分界点下，分类为 0。

其实如果你想使用 decision function 是同理的，只不过你要找到的是新的 decision function 对应的 threshold，这有可能没有找一个新的概率的 threshold 直观。对此可以参考这里：https://coding.imooc.com/learn/questiondetail/80264.html

注意：

如果你的 decision_function 返回的是二维数组，说明你直接用 LogisticRegression 穿进去了多类别的数据。是的，此时你已经无法调整了。LogisticRegression 将直接使用 ovr 的方式或者 multinomial 的方式（这种方式近乎可以理解成是一个新的算法，我们在这个课程中没有介绍）来进行多分类的问题。

如果你想调整这个 threshold，应该手动实现 OvR 或者 OvO，并且在二分类的时候采用新的 threshold，然后综合根据新的 threshold 得到的预测结果，得到多分类的分类结果。

继续加油！：）

0

2

liuyubobobo

回复

weixin_慕村8280326

调成 0.6，分成 0 的概率变高了，分成 1 的概率变低了。

2021-09-24

共2条回复