sklearn CalibratedClassifierCV校准后能否自定义predict_proba分类阈值

结论 #

你完全可以在校准后继续使用predict_proba设置自定义阈值来判定分类标签，操作逻辑和校准前没有任何区别。

原因说明 #

• 校准操作的核心作用只是修正原分类器输出的概率偏差，让predict_proba返回的数值更贴合样本真实属于正类的概率，不会改变该接口的输出形式和使用逻辑。校准后你设置0.6作为阈值的效果反而更可控：此时被判定为正类的样本，真实为正的概率至少在60%左右，能更精准地达到你降低假阳性率的需求。
• sklearn所有二分类器的predict方法默认都采用0.5作为概率阈值，这个逻辑和模型是否校准无关，你观察到的「概率高于0.5归类为True、低于则为False」的现象是框架的统一默认规则，不影响你自定义阈值的操作。

实现代码 #

你要实现0.6阈值的判断，直接沿用之前的写法即可：

# 取正类概率和自定义阈值比较
custom_pred = my_model.predict_proba(valid_x)[:, 1] > 0.6

内容的提问来源于stack exchange，提问作者ciskoh