11

我正在构建一个分类器，它通过贷款俱乐部数据，并选择最好的 X 贷款。我训练了一个随机森林，并创建了通常的 ROC 曲线、混淆矩阵等。

混淆矩阵将分类器的预测（森林中树木的多数预测）作为参数。但是，我希望以不同的阈值打印多个混淆矩阵，以了解如果我选择 10% 最佳贷款、20% 最佳贷款等会发生什么。

我从阅读其他问题中知道，更改阈值通常是一个坏主意，但是有没有其他方法可以查看这些情况的混淆矩阵？（问题A）

如果我继续更改阈值，我是否应该假设最好的方法是预测概率，然后手动设置阈值，将其传递给混淆矩阵？（问题 B）

4

1 回答 1

10

A.在您的情况下，更改阈值是可以接受的，甚至可能是必要的。默认阈值为 50%，但从业务角度来看，即使 15% 的不还款概率也可能足以拒绝此类申请。

事实上，在信用评分中，在使用通用模型预测违约概率后，通常会为不同的产品条款或客户群设置不同的临界值（参见例如 Naeem Siddiqi 的“信用风险记分卡”第 9 章）。

乙。有两种方便的方法可以任意设置阈值alpha而不是 50%：

  1. 确实，predict_proba并将其阈值设置为alpha手动或使用包装类（请参见下面的代码）。如果您想在不重新拟合模型的情况下尝试多个阈值，请使用此选项。
  2. 在拟合模型之前更改class_weights为。(alpha, 1-alpha)

现在，包装器的示例代码：

import numpy as np
from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
from sklearn.pipeline import make_pipeline
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix
from sklearn.base import BaseEstimator, ClassifierMixin
X, y = make_classification(random_state=1)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

class CustomThreshold(BaseEstimator, ClassifierMixin):
    """ Custom threshold wrapper for binary classification"""
    def __init__(self, base, threshold=0.5):
        self.base = base
        self.threshold = threshold
    def fit(self, *args, **kwargs):
        self.base.fit(*args, **kwargs)
        return self
    def predict(self, X):
        return (self.base.predict_proba(X)[:, 1] > self.threshold).astype(int)

rf = RandomForestClassifier(random_state=1).fit(X_train, y_train)
clf = [CustomThreshold(rf, threshold) for threshold in [0.3, 0.5, 0.7]]

for model in clf:
    print(confusion_matrix(y_test, model.predict(X_test)))

assert((clf[1].predict(X_test) == clf[1].base.predict(X_test)).all())
assert(sum(clf[0].predict(X_test)) > sum(clf[0].base.predict(X_test)))
assert(sum(clf[2].predict(X_test)) < sum(clf[2].base.predict(X_test)))

它将针对不同的阈值输出 3 个混淆矩阵：

[[13  1]
 [ 2  9]]
[[14  0]
 [ 3  8]]
[[14  0]
 [ 4  7]]
于 2017-11-24T13:12:28.770 回答