Question

我有一个逻辑回归模型试图预测A或B这两个类别之一。

我的模型在预测A时的准确度约为85％。
预测B时模型的准确度约为50％。
B的预测并不重要，但是A的预测非常重要。

我的目标是在预测A时最大程度地提高准确性。确定班级时，是否可以调整默认决策阈值？

classifier = LogisticRegression(penalty = 'l2',solver = 'saga', multi_class = 'ovr')
classifier.fit(np.float64(X_train), np.float64(y_train))

谢谢！ RB

Answer 1

如评论中所述，选择阈值的过程在训练后完成。您可以找到使所选实用程序功能最大化的阈值，例如：

from sklearn import metrics
preds = classifier.predict_proba(test_data)
tpr, tpr, thresholds = metrics.roc_curve(test_y,preds[:,1])
print (thresholds)

accuracy_ls = []
for thres in thresholds:
    y_pred = np.where(preds[:,1]>thres,1,0)
    # Apply desired utility function to y_preds, for example accuracy.
    accuracy_ls.append(metrics.accuracy_score(test_y, y_pred, normalize=True))

之后，选择使所选效用函数最大化的阈值。在您的情况下，请选择使1中的y_pred最大化的阈值。

Sklearn Logistic回归-调整临界点

1 个答案: