如何更改 sklearn 中任何学习算法的训练阈值？
How can I change the training threshold for any learning algorithm in sklearn?
我正在尝试使用 sklearn 训练模型，但是，我想将决策阈值更改为 训练 模型。我在 SO 中找到的大部分结果都是针对测试集的预测。
概率 class 训练器（通过 scikit-learn 或任何其他框架）不涉及 阈值。
在推理时需要一个阈值，以便将概率预测转换为硬标签，而这又是计算本质上 业务 指标所必需的，例如准确性，精度、召回率等。但这些指标在模型训练中发挥 没有 作用，其中唯一重要的数量（并在模型拟合期间最小化）是 loss.并且损失的计算不涉及任何阈值。
换句话说，硬 class 预测（仅需要阈值）在模型训练中完全没有作用，因此在训练期间不涉及任何阈值。
我建议阅读我的以下答案，以阐明损失和准确性之间的关系（尽管有标题，它们并不特定于 Keras，但它们原则上适用于任何二进制 class化问题):
也引用自交叉验证线程 Reduce Classification Probability Threshold:
the statistical component of your exercise ends when you output a probability for each class of your new sample. Choosing a threshold beyond which you classify a new observation as 1 vs. 0 is not part of the statistics any more. It is part of the decision component.
我正在尝试使用 sklearn 训练模型，但是，我想将决策阈值更改为 训练 模型。我在 SO 中找到的大部分结果都是针对测试集的预测。
概率 class 训练器（通过 scikit-learn 或任何其他框架）不涉及 阈值。
在推理时需要一个阈值，以便将概率预测转换为硬标签，而这又是计算本质上 业务 指标所必需的，例如准确性，精度、召回率等。但这些指标在模型训练中发挥 没有 作用，其中唯一重要的数量（并在模型拟合期间最小化）是 loss.并且损失的计算不涉及任何阈值。
换句话说，硬 class 预测（仅需要阈值）在模型训练中完全没有作用，因此在训练期间不涉及任何阈值。
我建议阅读我的以下答案，以阐明损失和准确性之间的关系（尽管有标题，它们并不特定于 Keras，但它们原则上适用于任何二进制 class化问题):
也引用自交叉验证线程 Reduce Classification Probability Threshold:
the statistical component of your exercise ends when you output a probability for each class of your new sample. Choosing a threshold beyond which you classify a new observation as 1 vs. 0 is not part of the statistics any more. It is part of the decision component.