二分类情感分类器阈值问题：仅预测正类无负类请求排查

核心问题：阈值判断逻辑完全错误 #

你当前代码里用min(example_probs) < neg_threshold判定负类的逻辑完全搞反了。predict_proba返回的是每个类别的概率值（比如二分类下是[负类概率, 正类概率]），min(example_probs)取的是两个概率里更小的那个，这个值小于0.4时，实际代表模型更倾向于另一个类（正类），这时候你判成负类，会把真正的负类样本都误判成中性过滤掉，最后剩下的样本全是正类，自然预测结果只有正类。

修正步骤 #

1. 先明确模型的类别对应关系
   先打印模型的类别顺序，确认概率列对应的情感：

   print(linear.classes_)
   

   比如输出array([0, 1])，说明第一列是0类（负）的概率，第二列是1类（正）的概率。

2. 替换错误的阈值判断逻辑
   把循环部分改成直接对应类别的概率判断，不要用max/min，同时降低过高的正类阈值：

   sentiments = []
   # 假设classes_顺序是[0=负, 1=正]
   pos_threshold = 0.6
   neg_threshold = 0.6
   for example_probs in L_probs:
       neg_prob, pos_prob = example_probs
       if pos_prob >= pos_threshold:
           sentiment = "positive"
       elif neg_prob >= neg_threshold:
           sentiment = "negative"
       else:
           sentiment = "neutral"
       sentiments.append(sentiment)
   

3. 验证过滤后的样本分布
   在过滤后打印样本的真实情感分布，确认是否包含负类：

   print("过滤后真实情感分布：", np.bincount(filtered_sentiments))
   

   如果输出里负类数量为0，说明阈值还是不合理，继续调整neg_threshold（比如降到0.5），直到保留足够的负类样本。

4. 检查模型本身的性能
   如果调整阈值后过滤的样本里有负类，但预测结果还是全正，那说明你的linear模型本身对负类的识别能力极差，需要重新训练模型（比如调整特征、补充负类样本、优化模型参数）。

修正后的完整代码片段 #

L_probs = linear.predict_proba(tweet_vectors_t1)

# 确认类别顺序
print("模型类别顺序：", linear.classes_)

# 调整阈值并修正判断逻辑
pos_threshold = 0.6
neg_threshold = 0.6

sentiments = []
for example_probs in L_probs:
    neg_prob, pos_prob = example_probs
    if pos_prob >= pos_threshold:
        sentiment = "positive"
    elif neg_prob >= neg_threshold:
        sentiment = "negative"
    else:
        sentiment = "neutral"
    sentiments.append(sentiment)

filtered_tweet_vectors_t1 = [tweet_vectors_t1[i]
                             for i, sentiment in enumerate(sentiments)
                             if sentiment != "neutral"]
filtered_sentiments = [tweet_sentiment_t1[i]
                       for i, sentiment in enumerate(sentiments)
                       if sentiment != "neutral"]
filtered_sentiments = np.array(filtered_sentiments).astype(int)

# 验证过滤后的样本分布
print("过滤后真实情感分布：", np.bincount(filtered_sentiments))

filtered = linear.predict(filtered_tweet_vectors_t1)

accuracy = accuracy_score(filtered_sentiments, filtered)
precision = precision_score(filtered_sentiments, filtered)
recall = recall_score(filtered_sentiments, filtered)
f1 = f1_score(filtered_sentiments, filtered, average='macro')

print('Accuracy:', accuracy)
print('Precision:', precision)
print('Recall:', recall)
print('F1-score:', f1)

from sklearn.metrics import confusion_matrix
cm = confusion_matrix(filtered_sentiments, filtered)
print(cm)

内容的提问来源于stack exchange，提问作者Ella