使用阈值调优改进分类模型性能

deephub

AI方向文章，看头像就知道，这里都是"干"货

阈值调优是数据科学中一个重要且必要的步骤。它与应用程序领域密切相关，并且需要一些领域内的知识作为参考。在本文中将演示如何通过阈值调优来提高模型的性能。

用于分类的常用指标

一般情况下我们都会使用准确率accuracy来评价分类的性能，但是有很多情况下accuracy 不足以报告分类模型的性能，所以就出现了很多其他的指标：精确度 Precision 、召回率 Recall 、F1 分数 F1 score 和特异性 Specificity 。除此以外，还有 ROC 曲线、ROC AUC 和 Precision-Recall 曲线等等。

让我们首先简单解释这些指标和曲线的含义：

精确度 Precision ：所有正例中真正正例的数量。 P=TP/(TP+FP)

召回率 Recall ：正例数超过真正例数加上假负例数。 R=TP/(TP+FN)

F1 分数 F1 score ：Precision 和 Recall 之间的调和平均值。

特异性 Specificity ：真负例的数量超过真负例的数量加上假正例的数量。Spec=TN(TN+FP)

(ROC) 曲线：该曲线显示了真正例率和假正例率之间的权衡。代表模型的性能。

ROC曲线下面积（AUC）：ROC曲线下面积。如果这个面积等于 1，我们就有了一个完美的分类器。如果它等于 0.5，那么就是一个随机的分类器。

Precision-Recall曲线：这条曲线显示了不同阈值下的精度和召回值。它用于可视化 Precision 和 Recall 之间的权衡。

一般来说，我们必须考虑所有这些指标和曲线。为了将这些内容显示在一起查看，这里定义了一个方法：

def make_classification_score(y_test, predictions, modelName): 
    tn, fp, fn, tp = confusion_matrix(y_test, predictions).ravel() # ravel() used to convert to a 1-D array 
    prec=precision_score(y_test, predictions) 
    rec=recall_score(y_test, predictions) 
    f1=f1_score(y_test, predictions) 
    acc=accuracy_score(y_test, predictions) 
    # specificity 
    spec=tn/(tn+fp) 
    score = {'Model': [modelName], 'Accuracy': [acc], 'f1': [f1], 'Recall': [rec], 'Precision': [prec], \ 
        'Specificity': [spec], 'TP': [tp], 'TN': [tn], 'FP': [fp], 'FN': [fn], 'y_test size': [len(y_test)]} 
    df_score = pd.DataFrame(data=score) 
    return df_score

“预测概率”技巧

当我们测试和评估模型时，将预测的 Y 与测试集中的 Y 进行比较。但是这里不建议使用 model.predict(X_test) 方法，直接返回每个实例的标签，而是直接返回每个分类的概率。例如sklearn 提供的 model.predict_proba(X_test) 的方法来预测类概率。然后我们就可以编写一个方法，根据决策阈值参数返回每个实例的最终标签。

def probs_to_prediction(probs, threshold): 
    pred=[] 
    for x in probs[:,1]: 
        if x>threshold: 
            pred.append(1) 
        else: 
            pred.append(0) 
    return pred

如果设置thresh = 0.5 那么则和调用 model.predict(X_test) 方法得到的结果是相同的，但是使用概率我们可以测试不同的阈值的性能表现。

如果改变阈值则会改变模型的性能。这里可以根据应用程序领域选择一个阈值来最大化重要的度量(通常是精度或召回率)，比如在kaggle的比赛中经常会出现thresh = 0.4xx的情况。

选择重要的度量

最大化的重要指标是什么呢?如何确定?

在二元分类任务中，我们的模型会出现两种类型的错误:

第一类错误:预测Y为True，但它实际上是False。也称为假正例错误。

第二类错误:预测Y为False，但它实际上是True。也称为假负例错误。

错误分类实例的数量决定了模型的好坏。但这些错误并不同等重要，对于不用的领域有着不同的要求，比如医学的检测和金融的风控中，需要尽量减小假负例也就是避免第二类错误，需要最小化假负例的数量，那么最大化的重要指标是召回率。

同理,如果要避免第一类错误，我们需要最小化假正例的数量，所以最大化的重要指标是精度。

为了最大化指标，我们可以移动阈值，直到我们在所有指标之间达成良好的平衡，这时就可以使用Precision-Recall曲线，当然也可以使用ROC曲线。

但是要说明的是，我们不能最大化所有指标，因为通过指标的定义就能看到这是不可能的。

阈值优化

假设我们正在处理一个二元分类任务的逻辑回归模型。我们已经进行了训练、超参数调优和测试阶段。该模型已经过交叉验证。也就是说，基本上能做的事情我们都已经做了，但是还是希望能够有一些其他的方式来优化模型，那么则可以试试调整模型的阈值。

对于sklearn来说使用model.predict_proba(X_test)方法来获得类概率，如果使用神经网络的化一般都会输出的是每个类的概率，所以我们这里以sklearn为例，使用这个概率值:

计算ROC AUC，它等于0.9794
计算并绘制ROC曲线
计算并绘制精度-召回率曲线

下面的代码块表示这些步骤:

def probs_to_prediction(probs, threshold): 
    pred=[] 
    for x in probs[:,1]: 
        if x>threshold: 
            pred.append(1) 
        else: 
            pred.append(0) 
    return pred 
# getting predicted probability values 
probability = model.predict_proba(X_test) 
# calculate ROC AUC score. AUC = 0.9794 
print("Logit: ROC AUC = %.4f" % roc_auc_score(y_test, probability[:, 1])) 
# calculate and plot the ROC curve 
model_fpr, model_tpr, _ = roc_curve(y_test, probability[:, 1]) 
plt.plot(model_fpr, model_tpr, marker='.', label='Logit') 
plt.xlabel('False Positive Rate') 
plt.ylabel('True Positive Rate (recall)') 
plt.legend() 
plt.title("ROC Curve") 
plt.show() 
# calculate and plot the Precision-Recall curve 
model_precision, model_recall, thresholds = precision_recall_curve(y_test, probability[:, 1]) 
plt.plot(model_recall, model_precision, marker='.', label='Logit') 
plt.xlabel('Recall') 
plt.ylabel('Precision') 
plt.legend() 
plt.title('Precision-Recall Curve') 
plt.show()

下图的曲线。可以看到模型的性能很好。

在本例中，假设在我们的实际应用中FP的成本> FN的成本，所以选择一个阈值在不降低召回率的情况下最大化精度。使用Precision-Recall曲线来对一个可能的阈值进行初始选择。在下面的代码中，绘制了带有候选阈值的Precision-Recall曲线。

plt.plot(model_recall, model_precision, marker='.', label='Logit') 
plt.plot(model_recall[43000], model_precision[43000], "ro", label="threshold") 
plt.xlabel('Recall') 
plt.ylabel('Precision') 
plt.legend()