predict()不能直接调阈值，因其内部固定使用0.5阈值且不暴露概率输出；需改用predict_proba()或decision_function()获取连续分值后手动比较。
为什么 predict() 不能直接调阈值
因为 predict() 内部固定用 0.5 阈值做硬分类，它不暴露概率或决策函数输出。你想改阈值，必须绕过它，改用 predict_proba() 或 decision_function() 获取连续分值，再手动比较。
常见错误是试图给 predict() 加参数，比如 predict(threshold=0.3) —— 这会报 TypeError: predict() got an unexpected keyword argument。
- 二分类模型（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，需设probability=True才能用predict_proba()；否则只能用decision_function() - 注意：
decision_function()输出不是概率，是带符号的距离，需用StandardScaler或校准才能近似解释为置信度
如何用 predict_proba() 手动设定阈值
拿到概率后，用 NumPy 布尔索引即可生成新预测结果。关键点在于别忘了把 predict_proba() 的二维数组降维——它返回 shape 为 (n_samples, 2) 的数组，你要的是正类（第 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，但精确率通常下降；反之亦然
- 别直接用
y_proba > 0.5和原predict()对比来“验证”，因为森林类模型的predict()虽常接近 0.5，但实现细节（如投票机制）可能导致微小差异 - 若模型不支持
predict_proba()（如LinearSVC），必须先包装成CalibratedClassifierCV
如何评估不同阈值下的效果
靠肉眼看 y_pred_custom 没意义，得算指标。别只看准确率——它在不平衡数据里完全失真。重点盯 precision_score、recall_score、f1_score，或者画出 PR 曲线。
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()可一次性获取全阈值范围的 prec/rec 对，避免手动循环 - 注意：该函数要求输入是连续分值（如
y_proba或y_score），不是二值预测结果 - 如果用
decision_function()输出作分值，记得先用label_binarize()对y_true做二值化，否则precision_recall_curve()会报错
部署时怎么持久化自定义阈值逻辑
阈值本身不是模型参数，joblib.dump(clf, ...) 不会保存它。你得把阈值和模型当两个东西存，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 - 别把阈值硬编码在脚本里；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
- 线上服务中，若用 FastAPI/Flask，阈值应作为请求参数或全局配置项，而不是每次重新计算——否则无法响应动态策略调整
阈值调优本质是业务权衡，不是技术动作。真正难的不是代码怎么写，而是确定「多少假阳性可接受」「漏掉一个正样本代价多大」——这些得和产品、运营一起定，模型只是执行工具。
