Question

我们知道逻辑回归的工作流程是首先根据某些方程获得概率，并使用默认截止值进行分类。

所以，我想知道是否可以根据我的要求将默认截止值（0.5）更改为0.75。如果是，有人可以帮我处理R或Python或SAS中的代码。如果否，有人可以提供相关证明。

在我查找此查询的答案的过程中，我发现： - 1.）我们可以找到可以提供最佳准确度的最佳截止值，并相应地构建混淆矩阵： -

找到最优截止值和构建混淆矩阵的R代码： - 库（InformationValue） optCutOff＆lt; - optimalCutoff（testData $ ABOVE50K，预测）[1] confusionMatrix（testData $ ABOVE50K，预测，阈值= optCutOff）

错误分类错误： - misClassError（testData $ ABOVE50K，预测，阈值= optCutOff）

注意： - 我们看到在计算混淆矩阵时更改了截止值，但在构建模型时却没有。有人可以帮我这个。

参考链接： - http://r-statistics.co/Logistic-Regression-With-R.html

Answer 1

from sklearn.linear_model import LogisticRegression
lr=LogisticRegression()

lr.fit(x_train, y_train)

我们发现第一次使用

lr.predict_proba(x_test)

获得每个类的概率，例如，第一列是y = 0的概率，第二列是y = 1的概率。

# the probability of being y=1
prob1=lr.predict_proba(X_test)[:,1]

如果我们使用0.25作为截止值，那么我们预测如下

predicted=[1 if i > 0.25 else 0 for i in prob1]

我们可以更改Logistic回归采用的默认截止值（0.5），而不是在计算分类错误时

1 个答案: