sklearn SGDClassifier 模型阈值与模型分数有何关系？

Question

我训练了一个模型并确定了一个 'threshold' 我想部署它，但我无法理解阈值与分数的关系。

X = labeled_data[features].reset_index(drop=True)
Y = np.array(labeled_data['fraud'].reset_index(drop=True))

# (train/test etc.. settle on an acceptable model)

grad_des = SGDClassifier(alpha=alpha_optimum, l1_ratio=l1_optimum, loss='log')
grad_des.fit(X, Y)

score_Y = grad_des.predict_proba(X)
precision, recall, thresholds = precision_recall_curve(Y, score_Y[:,1])

好的，现在我绘制精度和召回率与阈值的关系图，并决定我希望阈值为 .4

什么是阈值？

我的模型系数，据我所知是'scoring'事件通过计算coefficients['x']*event_values['x']，总和为29。阈值在0和1之间。

我如何理解从阈值到我猜是原始分数的翻译？对于所有特征（都是二元的）具有 1 的事件是否会计算出 29 分，因为这是所有系数的总和？

我是否需要为所有事件计算这个 'raw' 得分指标，然后根据精度而不是阈值绘制它？

编辑和更新：

所以我的问题取决于对逻辑函数缺乏理解，正如 Mikhail Korobov 在下面指出的那样。不管 'raw score' 是什么，logistic 函数都会强制使用 [0, 1] 范围内的值。

为了'unwrap'那个值回到我要找的'raw score'，我可以做scipy.special.logit(0.8) - grad_des.intercept_和这个returns的'score'行。

Answer 1

概率不仅仅是 coefficients['x']*event_values['x'] - 将 logistic function 应用于这些分数以获得 [0, 1] 范围内的概率值。
predict_proba方法returns这些概率；它们在 [0, 1].
要获得具体的 yes/no 预测，必须选择一个概率阈值。一个明显而明智的方法是使用 0.5：如果概率大于 0.5，则预测 "yep"，否则预测 "nope"。这就是 .predict() 方法的作用。
precision_recall_curve 尝试不同的概率阈值并为它们计算精度和召回率。如果基于精度和召回分数，您认为其他一些阈值更适合您的应用程序，您可以使用它而不是 0.5，例如bool_prediction = score_Y[:,1] > threshold.

sklearn SGDClassifier 模型阈值与模型分数有何关系？

How do sklearn SGDClassifier model thresholds relate to model scores?

python

scikit-learn

classification

stochastic-gradient