控制R中glm（）的分类截止

Question

与R -

相关的问题

我有一个CSV数据集获取为：

mydata <- read.csv("data.csv", header = TRUE) 

包含变量'y'（y是二进制0或1）以及另一个变量'weight'（权重是一个数字变量 - 取0到1之间的小数值）。

我将mydata分成火车（80％）和测试（20％）为：

d<-sort(sample(nrow(mydata), nrow(mydata)*0.8));
train <- mydata[d,];
test < -mydata[-d,];

然后，我在火车上执行加权glm（基本上是逻辑回归）：

#Build GLM model on train data ***(A)
model <-glm(y~., data = train, weights = train$weight, family = binomial);

#Apply model on test ***(B)
score <-predict(model, type = 'response',test);

#Get classification for each observation in test as 'positive' or 'negative' ***(C)
classify <-performance(score,"tpr","fpr");

我的问题是：  在步骤（B）＆amp; （C），如何控制分类规则，即R可以用模型拟合概率对观察进行分类＆gt; 0.5为“正”，＆lt; = 0.5为“负”。有没有办法可以改变这个阈值，比如0.75而不是R可能使用的任何东西（我用0.5作为例子）。