如何在Python中调整Scikit-learn模型的分类阈值

predict()不能直接调整阈值，因为0.5阈值固定在其内部，不暴露概率输出；需要改用predict_proba()或decision_function()手动比较后获得连续分数。

因为 predict() 内部固定用 0.5 阈值硬分类，不暴露概率或决策函数输出。如果你想改变阈值，你必须绕过它，改用它 predict_proba() 或 decision_function() 获得连续分数，然后手动比较。

试图给出常见的错误 predict() 例如，参数 predict(threshold=0.3) —— 这会报 TypeError: predict() got an unexpected keyword argument。

• 二分模型(例如 LogisticRegression, RandomForestClassifier）优先用 predict_proba()，取第二列（[:, 1]）为正类概率
• 支持向量机（SVC）默认不输出概率，需要设置 probability=True 才能用 predict_proba()；否则只能用 decision_function()
• 注意：decision_function() 输出不是概率，而是与符号的距离，需要使用 StandardScaler 或校准可以近似地解释为置信度

拿到概率后，用 NumPy 新的预测结果可以通过布尔索引生成。关键是别忘了把它拿走。 predict_proba() 二维数组降维-它返回 shape 为 (n_samples, 2) 数组，你想要的是正类(第一) 1 列）。

from sklearn.ensemble import RandomForestClassifier
import numpy as np
<p>clf = RandomForestClassifier()
clf.fit(X_train, y_train)
y_proba = clf.predict_proba(X_test)[:, 1]  # 取正类概率
y_pred_custom = (y_proba >= 0.3).astype(int)  # 阈值设为 0.3

• 阈值越低，召回率越高，但精度通常会下降；反之亦然
• 别直接用 y_proba > 0.5 和原 predict() 相比之下，由于森林模型的“验证” predict() 虽常接近 0.5，但细节(如投票机制)的实现可能会导致微小的差异
• 若模型不支持 predict_proba()（如 LinearSVC），必须先包装 CalibratedClassifierCV

靠肉眼看 y_pred_custom 没有意义，要算指标。不要只看准确率——它在不平衡数据中完全失真。专注于重点。 precision_score、recall_score、f1_score，或者画出 PR 曲线。

Python数据分析助手

为业务和科研数据的快速处理提供Python数据清理、统计分析和可视化建议。

立即学习“Python免费学习笔记(深入)；

from sklearn.metrics import precision_score, recall_score
<p>prec = precision_score(y_true, y_pred_custom)
rec = recall_score(y_true, y_pred_custom)

• 用 sklearn.metrics.precision_recall_curve() 可以一次性获得全阈值范围 prec/rec 是的，避免手动循环
• 注：函数要求输入连续分数（如） y_proba 或 y_score），不是二值预测结果
• 如果用 decision_function() 记得先用输出作分值。 label_binarize() 对 y_true 做二值化，否则 precision_recall_curve() 会报错

阈值本身不是模型参数，joblib.dump(clf, ...) 它不会被保存下来。您必须将阈值和模型作为两个东西存储在一起，并在推理时一起加载。

• 推荐做法:封装成一个类，比如 ThresholdClassifier，内部保存 self.model 和 self.threshold，重写 predict() 方法
• 不要在脚本中编码阈值硬码；使用配置文件(如 JSON）或环境变量传入方便 A/B 测试或多场景切换
• 若在线服务中使用 FastAPI/Flask，阈值应作为请求参数或全球配置项，而不是每次重新计算，否则不能响应动态策略调整

阈值调优的本质是业务权衡，而不是技术行动。真正困难的不是如何编写代码，而是确定「多少假阳性是可以接受的」「漏掉一个正样本要多少钱？」——这些必须与产品、操作一起确定，模型只是执行工具。