Я использую LogisticRegression из пакета sklearn и задаю быстрый вопрос о классификации. Я построил кривую ROC для моего классификатора, и оказалось, что оптимальный порог для моих данных обучения составляет около 0,25. Я предполагаю, что по умолчанию при создании прогнозов в 0.5. Как изменить эту настройку по умолчанию, чтобы узнать, какая точность находится в моей модели при выполнении кросс-валидации в 10 раз? В принципе, я хочу, чтобы моя модель предсказала «1» для кого-то большего, чем 0,25, а не 0,5. Я просматривал всю документацию, и, похоже, я ничего не могу найти.sklearn LogisticRegression и изменение порога по умолчанию для классификации
Заранее за вашу помощь.
У меня такая же проблема, когда мои ложные негативы и истинные негативы очень низкие. Можно ли перекосить вход 'z' в функции logit (сигмоидальная функция) через параметр, поставив проблему, когда« z = 2 »- .5, вместо того, чтобы« z = 0 »составляло 0,5? Спасибо. – Moondra
До сих пор нет способа изменить порог принятия решения? –