基本上，我正在使用 python sk-learn 库中的一些数据挖掘算法进行分类。
但是，我得到了一些非常不平衡的结果，例如，大约 0.99 召回率和低于 0.1 准确率。
从概念上讲，分类算法依赖于一些“阈值”来做出决定，这意味着我应该能够通过调整这个“阈值”来平衡准确率和召回率。
但是，我在 sklearn 中找不到一些 API 来帮助解决这个问题，所以我的问题是：如何操纵 sklearn 库中的底层“阈值”来平衡精度和召回率？
【问题讨论】：
sklearn有这种阈值，但是在开始搜索之前，您能告诉我您的数据是否不平衡？我只是想确保您没有完全不平衡的东西，例如分类中的比例90:1（例如，对于 A 类中的每 90 个样本，只有 1 个属于 B）
标签： python machine-learning scikit-learn classification
好的，如果您的问题不是关于不平衡的数据，我必须向您推荐我在 Andrew Ng 的机器学习课程中学到的一些笔记：http://www.holehouse.org/mlclass/06_Logistic_Regression.html
我在这里选择了 Logistic 回归，因为我并不真正了解您使用的方法。但结论基本上是阈值不是学习模型的显式参数。我的意思是，您可以在之后选择要在哪里削减分类（在概率模型中），或者您可以在其他一些方法中建立一些加权参数（查看这个答案：scikit .predict() default threshold）。
此阈值仅考虑误报/误报（精度/召回）的比例，不应严格视为学习算法的参数。
旁注：在一个特定的分类问题中，我“凭经验”发现我至少需要 0.6 的概率才能正确，所以我使用了分类器的方法 predict_proba 而不是 predict 所以是我终于决定返校了。不知道有没有帮助。
【讨论】：
class_prior这个参数。 decisiontree 怎么样？或svm?
class_weight，顺便说一句，您可以尝试使用它。我的意思是，不要将其设置为“平衡”，因为我们已经知道您的数据是平衡的。但正如你所说的，你的精度很低，你应该关注误报。
precision_probabilities，所以想象一下我在处理一个典型的分类问题：“图片上有一张人脸吗？”。低精度的情况意味着高误报率，很多情况下我说“是的，这张照片中有一张脸”，但实际上不是。因此，每次您要说“是”时，您都可以检查说“是”的概率，如果它不高于 0.7，那么您可以省略肯定分类。
sklearn.cross_validation.train_test_split() 将是一个解决方案并明智地拆分您的数据。