24、不平衡分类中的阈值调整与概率校准

不平衡分类中的阈值调整与概率校准

1. 精确率 - 召回率曲线的最优阈值

在不平衡分类问题中，将概率转换为明确的类别标签时，选择合适的阈值至关重要。精确率 - 召回率曲线聚焦于分类器在正类（少数类）上的性能。

1.1 精确率和召回率的定义

• 精确率 ：真阳性数量除以真阳性和假阳性数量之和，描述了模型预测正类的能力。
• 召回率 ：真阳性数量除以真阳性和假阴性数量之和，等同于灵敏度。

1.2 计算精确率 - 召回率曲线

可以使用 precision_recall_curve() 函数计算精确率 - 召回率曲线，以下是完整示例代码：

from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import precision_recall_curve
from matplotlib import pyplot

# 生成数据集
X, y = make_classification(n_samples=10000, n_features=2, n_redundant=0,