我正在处理一个类别不平衡的分类问题（5% 为 1）。我想预测类别，而不是概率。

在二元分类问题中，scikit 的 classifier.predict() 默认使用 0.5 作为阈值吗？如果不是，默认方法是什么？如果是，如何更改它？

在 scikit 中，一些分类器有 class_weight='auto' 选项，但并非所有分类器都有。使用 class_weight='auto' 时，.predict() 是否会使用实际的人口比例作为阈值？

对于不支持 class_weight 的分类器，如 MultinomialNB，有什么方法可以实现这一点？除了使用 predict_proba() 然后自己计算类别之外。

回答：

scikit 的 classifier.predict() 默认使用 0.5 作为阈值吗？

在概率分类器中，是的。从数学角度来看，这是唯一合理的阈值，正如其他人所解释的那样。

对于不支持 class_weight 的分类器，如 MultinomialNB，有什么方法可以实现这一点？

你可以设置 class_prior，这是每个类别 y 的先验概率 P(y)。这有效地移动了决策边界。例如：

# 最小数据集>>> X = [[1, 0], [1, 0], [0, 1]]>>> y = [0, 0, 1]# 使用从 y 学到的经验先验>>> MultinomialNB().fit(X,y).predict([1,1])array([0])# 使用自定义先验，使 1 更可能>>> MultinomialNB(class_prior=[.1, .9]).fit(X,y).predict([1,1])array([1])