当使用SKlearn并使用predict_proba（x）函数获取二进制分类[1,0]的概率时，该函数返回分类落入每个类的概率。例如[.8，.34]。
是否有社区采用标准方法将此降低到单一分类置信度，并考虑所有因素？
选项1） 只需考虑预测分类的概率（本例中为.8）
选项2） 一些数学公式或函数调用，它考虑所有不同的概率并返回单个数字。这种置信度方法可以考虑谁关闭不同类别的概率，如果不同类别之间没有太大的分离，则返回较低的置信度。
答案 0 :(得分：0)
没有这样做的标准。但你可以做的是改变门槛。我的意思是，如果你使用predict而不是它会抛出一个二进制文件来对数据集进行分类，它的作用是将0.5作为预测的阈值。如果1中的分类概率> 0.5，则将其分类为1，如果＆lt; = 0.5则分类为0。但在某些情况下，这可能会导致f1得分不佳。
因此，方法应该是改变阈值并选择一个产生最大f1分数或任何其他要用作分数函数的度量。 ROC(Receiver operating characteristic)曲线仅用于此目的。事实上，sklearn背后的动机只是为了给出这个概率，让你选择最好的门槛。
一个非常好的例子是预测患者是否患有癌症。因此，你必须明智地选择你的门槛，如果你选择它很高，你可能会得到很多假阴性，或者如果你选择它很低，你可能会得到很多假阳性。因此，您只需根据需要选择阈值（因为它可以更好地获得更多误报）。
希望它有所帮助！