WEKA计算TPR时采用的ROC阈值是多少？各类算法标准是否统一？

• TPR的计算阈值
  对于输出类概率的分类器（如朴素贝叶斯、Logistic回归），WEKA默认用0.5作为分类阈值——当模型输出的正类概率≥0.5时，判定为正类，以此计算TPR（真正率）。
  1R属于规则型分类器，它不输出概率，仅基于单一特征的规则直接给出分类结果，因此ROC曲线只有一个点，对应的TPR就是其规则直接生成的正类正确预测比例，不存在阈值调整的空间。

• WEKA的判定标准一致性
  支持概率输出的分类器，WEKA统一以0.5作为默认阈值计算TPR等混淆矩阵指标。但有两点需要注意：

  • 你可以手动调整阈值：在分类结果界面点击"Threshold curve"，能查看不同阈值下的TPR/FPR变化；命令行模式下可通过-threshold参数自定义阈值，可视化界面也支持调整后重新计算指标。
  • 不输出概率的分类器（如1R、默认模式的J48决策树），它们的判定基于自身规则逻辑，不依赖概率阈值，但WEKA会统一根据最终分类结果计算TPR（即正类样本被正确预测的比例）。

内容的提问来源于stack exchange，提问作者Davide