问题描述
我想更改模型的阈值，并且遇到交叉验证线程How to change threshold for classification in R randomForests?
中的帖子如果更改阈值后创建模型，则意味着我将不得不再次调整测试数据或新数据的内容。
R＆caret中是否有一种方法可以更改模型中的阈值，以便我可以对新数据或测试数据运行具有相同阈值的相同模型？
解决方法
在概率分类器中，例如随机森林，在模型拟合期间没有任何阈值涉及，也没有与拟合模型相关联的阈值；因此，实际上没有任何更改。正如CV线程Reduce Classification Probability Threshold中正确指出的那样：
选择一个阈值，将新的观察值分类为1 vs. 0，这不再是统计的一部分。它是决定组件的一部分。
引用我在Change threshold value for Random Forest classifier中的回答：
在模型训练期间根本没有没有阈值；随机森林是概率分类器，它仅输出类概率。确实需要阈值的“硬”类（即0/1）在模型训练的任何阶段都不会生成或使用-仅在预测期间，甚至只有在我们确实需要硬分类的情况下（并非总是如此）案子）。有关更多详细信息，请参见Predict classes or class probabilities?。
因此，如果您从拟合模型中生成预测，请使用参数rf说type = "prob"，如您链接到的CV线程所示：
pred <- predict(rf,mydata,type = "prob")
这些预测将是[0,1]中的概率值，而不是硬类0/1中的概率值。从这里，您可以自由选择阈值，如答案所示：
thresh <- 0.6 # any desired value in [0,1]
class_pred <- c()
class_pred[pred <= thresh] <- 0
class_pred[pred > thresh] <- 1
或者当然可以使用不同的阈值进行实验，而无需更改模型本身中的任何内容。