[英]Sci-kit Classifying Thresholds
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...
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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.