科学工具分类阈值

Question

因此，我正在使用scikit-learn进行一些二进制分类，现在我正在尝试使用Logistic回归分类器。 在训练了分类器之后，我打印出分类结果以及它们在每个班级中的概率：

logreg = LogisticRegression()
logreg.fit(X_train,y_train)
print logreg.predict(X_test)
print logreg.predict_proba(X_test)

所以我得到类似：

[-1 1 1 -1 1 -1...-1]
[[  8.64625237e-01   1.35374763e-01]
 [  3.57441028e-01   6.42558972e-01]
 [  1.67970096e-01   8.32029904e-01]
 [  9.20026249e-01   7.99737513e-02]
 [  1.20456011e-02   9.87954399e-01]
 [  6.48565595e-01   3.51434405e-01]...]

等等...因此，只要概率超过0.5，就将其归类为该对象。 我正在寻找一种调整此数字的方法，例如，要被归类为1级，出现这种情况的概率必须超过0.7。 有没有办法做到这一点？ 我一直在查看一些参数，例如“ tol”和“ weight”，但不确定它们是否在我想要的范围内，或者它们是否在起作用...

Answer 1

您可以像这样设置您的THRESHOLD

THRESHOLD = 0.7
preds = np.where(logreg.predict_proba(X_test)[:,1] > THRESHOLD, 1, 0)

请参考sklearn LogisticRegression并更改默认分类阈值