python - 在逻辑回归中以最高可能概率预测某些标签

Question

我正在使用 sklearn 中的逻辑回归构建模型，该模型有 12 个参数和 {0,1} 标签。我需要对标签 0 非常有信心，如果某些“0”被错误分类为 1，我也没关系。这样做的目的是，如果数据分类为 0，我想从处理中排除该数据。

如何调整参数？

Answer 1

您基本上是在寻找特异性，其定义为 TN/(TN+FP)，其中 TN 是真阴性，FP 是假阳性。您可以在 blog post 中阅读更多相关信息。以及更多detail here 。要实现这一点，您需要使用 make_scorer以及confusion_matrix metric在sklearn中如下:

from sklearn.metrics import confusion_matrix
from sklearn.metrics import make_scorer

def get_TN_rate(y_true,y_pred):
    tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
    specificity = float(tn)/(float(tn)+float(fp))
    return specificity

tn_rate = make_scorer(get_TN_rate,greater_is_better=True)

现在您可以使用 tn_rate 作为评分函数来训练您的分类器。