二值机器学习分类的置信概率

Question

当使用SKlearn并获得二进制分类1，0的predict_proba(x)函数的概率时，该函数返回分类属于每个类的概率。例如.8，.34。

是否有一个社区采用标准的方法，将其降为考虑所有因素的单一分类信心？

选项1)仅取预测的分类的概率(本例中为.8)。

选项2)一些数学公式或函数调用，它考虑到所有不同的概率，并返回一个数字。这种信心方法可以考虑到，如果不同类别之间不存在很大的分离，谁能关闭不同类别的概率并返回较低的信心。

Answer 1

做这件事没有标准。但你能做的是改变门槛。我的确切意思是，如果您使用predict而不是抛出一个二进制数据集分类，它所做的就是以0.5作为预测的阈值。就像在1中分类的概率>0.5，将其分类为1，如果是<=0.5，则分类为0。但在某些情况下，这可能会导致F1成绩不佳。

因此，方法应该是改变阈值，并选择一个产生最大F1评分或任何其他指标，您想要使用的分数函数。接收机工作特性曲线仅用于此目的。事实上，只是为了让you选择最佳的阈值而给出类概率的动机。

一个很好的例子是预测病人是否患有癌症。所以你必须明智地选择你的阈值，如果你选择的很高，你可能会得到很多错误因此，您只需根据需要选择阈值(更好的做法是获得更多的假阳性)。

希望能帮上忙！