我在一个高度不平衡的数据集上使用scikit-learn 中的LogisticRegression() 方法。我什至将class_weight 功能转为auto。
我知道在逻辑回归中，应该可以知道特定类对的阈值是多少。
是否有可能知道LogisticRegression() 方法设计的每个 One-vs-All 类中的阈值是多少？
我在文档页面中没有找到任何内容。
不管参数值如何，它是否默认应用0.5 值作为所有类的阈值？
【问题讨论】：
标签： machine-learning scikit-learn classification logistic-regression
我使用了一个小技巧，而不是使用model.predict(test_data) 使用model.predict_proba(test_data)。然后使用阈值范围来分析对预测的影响；
pred_proba_df = pd.DataFrame(model.predict_proba(x_test))
threshold_list = [0.05,0.1,0.15,0.2,0.25,0.3,0.35,0.4,0.45,0.5,0.55,0.6,0.65,.7,.75,.8,.85,.9,.95,.99]
for i in threshold_list:
print ('\n******** For i = {} ******'.format(i))
Y_test_pred = pred_proba_df.applymap(lambda x: 1 if x>i else 0)
test_accuracy = metrics.accuracy_score(Y_test.as_matrix().reshape(Y_test.as_matrix().size,1),
Y_test_pred.iloc[:,1].as_matrix().reshape(Y_test_pred.iloc[:,1].as_matrix().size,1))
print('Our testing accuracy is {}'.format(test_accuracy))
print(confusion_matrix(Y_test.as_matrix().reshape(Y_test.as_matrix().size,1),
Y_test_pred.iloc[:,1].as_matrix().reshape(Y_test_pred.iloc[:,1].as_matrix().size,1)))
最好的！
【讨论】：
逻辑回归选择概率最大的类。在 2 个类别的情况下，阈值为 0.5：如果 P(Y=0) > 0.5，那么显然 P(Y=0) > P(Y=1)。多类设置也是如此：同样，它选择概率最大的类（参见例如Ng's lectures，底线）。
引入特殊阈值仅影响误报/误报的比例（因此影响精度/召回率的权衡），但它不是 LR 模型的参数。另见the similar question。
【讨论】：
是的，Sci-Kit learn 使用 P>=0.5 的阈值进行二元分类。我将在已经发布的一些答案的基础上使用两个选项来检查：
一个简单的选择是使用下面代码的 model.predict_proba(test_x) 段的输出以及类预测（下面的代码的 model.predict(test_x) 段的输出）来提取每个分类的概率。然后，将类预测及其概率附加到您的测试数据帧中作为检查。
作为另一种选择，可以使用以下代码以图形方式查看各种阈值下的精度与召回率。
### Predict test_y values and probabilities based on fitted logistic
regression model
pred_y=log.predict(test_x)
probs_y=log.predict_proba(test_x)
# probs_y is a 2-D array of probability of being labeled as 0 (first
column of
array) vs 1 (2nd column in array)
from sklearn.metrics import precision_recall_curve
precision, recall, thresholds = precision_recall_curve(test_y, probs_y[:,
1])
#retrieve probability of being 1(in second column of probs_y)
pr_auc = metrics.auc(recall, precision)
plt.title("Precision-Recall vs Threshold Chart")
plt.plot(thresholds, precision[: -1], "b--", label="Precision")
plt.plot(thresholds, recall[: -1], "r--", label="Recall")
plt.ylabel("Precision, Recall")
plt.xlabel("Threshold")
plt.legend(loc="lower left")
plt.ylim([0,1])
【讨论】：
sklearn.metrics.plot_precision_recall_curve可以节省一点编码。