Używam LogisticRegression z pakietu sklearn i mam szybkie pytanie dotyczące klasyfikacji. Zbudowałem krzywą ROC dla mojego klasyfikatora i okazało się, że optymalny próg dla moich danych treningowych wynosi około 0,25. Domyślam się, że przy tworzeniu podpowiedzi w 0,5. Jak mogę zmienić to domyślne ustawienie, aby dowiedzieć się, jaka jest dokładność w moim modelu podczas przeprowadzania 10-krotnej weryfikacji krzyżowej? Zasadniczo chcę, aby mój model przewidywał "1" dla każdego większego niż 0.25, a nie 0.5. Przeglądałem całą dokumentację i nie mogę się nigdzie dostać.sklearn LogisticRegression i zmiana domyślnego progu klasyfikacji
Z góry dziękuję za pomoc.
Mam podobny problem, gdy moje fałszywe negatywy i prawdziwe negatywy są bardzo niskie. Czy możliwe jest pochylenie wejścia 'z' w funkcji logit (funkcja sigmoid) za pomocą parametru, przez ustawienie prob, gdy 'z = 2' do .5, zamiast gdy' z = 0 'wynosi .5? Dziękuję Ci. – Moondra
Czy nadal nie ma możliwości zmiany progu decyzji? –