小编SB2*_*B21的帖子

我一直在使用gbm的caret包中Rstudio找到了故障的发生概率。

我使用 Youden's J 找到了最佳分类的阈值，即 0.63。我现在如何使用这个阈值？我认为最好的方法是以某种方式将阈值合并到gbm模型中caret以获得更准确的预测，然后再次在训练数据上重新运行模型？目前它默认为 0.5，我找不到更新阈值的明显方法。

或者，阈值是否仅用于将测试数据预测分成正确的类别？这似乎更直接，但是我如何反映 ROC_AUC 图中的变化，假设应该根据新阈值更新概率？

任何帮助将不胜感激。谢谢

编辑：我正在处理的完整代码如下：

  
library(datasets)
library(caret)
library(MLeval)
library(dplyr)

data(iris)
data <- as.data.frame(iris)

# create class
data$class <- ifelse(data$Species == "setosa", "yes", "no")

# split into train and test
train <- data %>% sample_frac(.70)
test <- data %>% sample_frac(.30)


# Set up control function for training
ctrl <- trainControl(method = "cv",
                     number = 5, 
                     returnResamp = 'none',
                     summaryFunction = twoClassSummary,
                     classProbs = …