我有一个不平衡的数据集，我试图根据客户的浏览行为来预测在线购买（即我的分类问题是响应变量为“ 1 =是购买”和“ 0 =不购买”）。由于数据集中的不平衡，我同时使用了神经网络和随机森林来创建预测模型，并决定PR曲线是衡量模型质量的好方法。
在总体准确性，敏感性，特异性和准确性方面，随机森林似乎优于神经网络。但是，对于随机森林，我得到的PR曲线下面积（AUPR）的值比使用神经网络时要低得多，这可能是由于我的计算方式所致：
1）神经网络：对于每次观察，神经网络都会为我提供0到1之间的预测。我使用这些值来计算AUPR-因此在计算AUPR之前我不会选择阈值
2）随机森林：随机森林只给我0或1作为预测，我用它来计算AUPR。
所以我的问题是：我是否首先需要为神经网络选择一个阈值，以将我的预测分为“ 0”或“ 1”，而不是介于两者之间的值，然后计算AUPR-以使其可与随机森林AUPR相提并论？
顺便说一下，这是我的AUPR代码，其中pred是我的预测值，purchase_decision是我的实际值。
AUPR <- pr.curve(scores.class0=Dataset_Master.test$pred[Dataset_Master.test$purchase_decision==1],
scores.class1=Dataset_Master.test$pred[Dataset_Master.test$purchase_decision==0],
curve=FALSE)$auc.integral