为CalibratedClassifierCV复现CatBoost指定FPR阈值选择方法

核心思路是找到FPR≤0.1时对应的最大分类阈值——阈值越高，模型判定为正类的样本越少，FPR也就越低，这和CatBoost的select_threshold逻辑一致。具体实现如下：

修改后的代码：

import numpy as np
from sklearn import metrics

prob_pred = model.predict_proba(X[features_list])[:, 1]
            
fpr, tpr, thresholds = metrics.roc_curve(X['target'], prob_pred)

# 指定目标FPR值
target_fpr = 0.1

# 筛选出所有FPR不超过目标值的索引
valid_indices = np.where(fpr <= target_fpr)[0]
# 取最后一个索引（对应满足条件的最大阈值，因为thresholds随FPR升高递减）
optimal_idx = valid_indices[-1]
boundary = thresholds[optimal_idx]

# 可选：如果需要更精确的阈值（无刚好匹配0.1的FPR时），用线性插值计算
# if fpr[-1] < target_fpr:
#     boundary = thresholds[-1]  # 所有样本都满足FPR要求，取最小阈值（全判正）
# else:
#     idx = np.argmax(fpr > target_fpr)
#     # 用前后两个点插值计算对应阈值
#     fpr_prev, fpr_curr = fpr[idx-1], fpr[idx]
#     thresh_prev, thresh_curr = thresholds[idx-1], thresholds[idx]
#     boundary = thresh_prev + (thresh_curr - thresh_prev) * (target_fpr - fpr_prev) / (fpr_curr - fpr_prev)

binary_pred = [1 if i >= boundary else 0 for i in prob_pred]

关键说明 #

• sklearn.metrics.roc_curve返回的thresholds是递减数组：阈值越低，FPR和TPR同步升高
• 直接取FPR<=0.1的最后一个索引，能得到满足条件的最高阈值，避免不必要的误判
• 注释部分的插值逻辑，可在无刚好匹配目标FPR的点时，计算更精准的阈值

内容的提问来源于stack exchange，提问作者Michael