我正在研究一个不平衡类的分类问题（5%1）。我想预测课程，而不是概率
在二进制分类问题中，scikit的分类器.predict（）默认使用0.5？
如果没有，默认的方法是什么？如果是，我该如何更改它
在scikit中，一些分类器具有class\u weight='auto'选项，但并非所有分类器都具有该选项。使用class\u weight='auto'，是否将.predict（）使用实际人口比例作为阈值
在像多项式nb这样的不支持类权重的分类器中，该怎么做？除了使用predict_proba（）然后自己计算类之外
可以使用clf.predict\u proba（）设置阈值
例如：
来自sklearn.tree导入决策树分类程序的
clf=DecisionTreeClassifier（随机状态=2）
clf.fit（X_系列、y_系列）
#y_pred=clf.predict（X_测试）#默认阈值为0.5
y_pred=（clf.predict_proba（X_test）[：，1]>；=0.3）。aType（bool）#将阈值设置为0.3