ロジスティック回帰で可能性の高い特定のラベルを予測する

Question

sklearnのロジスティック回帰を使用して、12のパラメータと{0,1}のラベルを持つモデルを構築しています。私はラベル0について非常に自信を持っている必要がありますが、一部の「0」が1に分類されていれば問題ありません。データが0に分類されている場合、データを処理から除外したいと考えています。

どのようにパラメータを調整できますか？

Answer 1

基本的には、TN/(TN+FP)として定義されている特異性を探しています。ここでTNはTrue Negative、FPはFalse Positiveです。この詳細については、blog post以降のdetail hereをご覧ください。あなたは次のようにsklearnにconfusion_matrix metricとともにmake_scorerを使用する必要があり、この実装するには：

from sklearn.metrics import confusion_matrix 
from sklearn.metrics import make_scorer 

def get_TN_rate(y_true,y_pred): 
    tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel() 
    specificity = float(tn)/(float(tn)+float(fp)) 
    return specificity 

tn_rate = make_scorer(get_TN_rate,greater_is_better=True) 

を今すぐあなたの分類器を訓練するためにスコアリング関数としてtn_rate使用することができます。