如何为numpy.ndarray类型的模型预测值高效应用FNR阈值

核心实现代码 #

直接使用numpy原生向量化运算即可，全程无Python层面循环，性能最优：

import numpy as np

# 定义给定的FNR阈值
fnr_threshold = 0.21552509277542697
# 一行代码完成分类规则映射
y_class = (y_pred[:, 1] > fnr_threshold).astype(np.int32)

逻辑说明 #

• y_pred[:, 1]：提取二维数组所有行的第二列元素，也就是类别1的预测概率，直接得到一维数组
• 比较运算> fnr_threshold：返回和上述一维数组长度相同的布尔数组，类别1概率大于阈值的位置为True，否则为False
• astype(np.int32)：将布尔数组直接转换为整数类型，True自动映射为1，False自动映射为0，完全匹配需求的判断规则

示例验证 #

用你提供的测试数据运行后，输出的y_class结果和预期完全一致：

array([1, 1, 0, 1, 0, 0, 1, 0, 1, 1])

性能优势 #

该方案完全基于numpy底层C实现的向量化运算，处理百万级样本也仅需毫秒级耗时，效率远高于手写Python循环的实现方式。

内容的提问来源于stack exchange，提问作者Alex Nikitin