决策阈值

本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 17 课，共 58 课。

predict 会在概率超过 0.5（即阈值）时判定为是。但漏掉一个故障屏幕的代价可能比再检查一次更高。把阈值调低：

一条线上排列着 14 个手机屏幕，表示它们出现故障的概率：6 个故障方块，8 个正常圆点。阈值为 0.5 时，6 个故障中有 4 个被检出，并产生 1 个误报；阈值为 0.3 时，6 个故障全部被检出，并产生 4 个误报

误报是把正常的屏幕标记出来。用比较运算符选择自己的阈值：

proba = model.predict_proba(X_test)[:, 1]
flag = proba >= 0.3  # True：检查这个屏幕

阈值越低，它捕捉到的真实案例越多，误报也越多；阈值越高，情况则相反。概率不会改变，改变的只有阈值。

根据每种错误造成的代价来选择。

挑战

中等

航空公司会在乘客抵达前，为可能错过转机的乘客改订行程。起始代码使用 connections.csv 拟合模型，并读取一个阈值。

获取测试乘客错过转机的概率。
先用 0.5，再用该阈值，统计改订行程的乘客人数、成功识别出的实际错过转机人数（占所有错过转机人数的比例），以及不必要的改订人数。
每个阈值打印一行。

对于另一家航空公司，使用 0.25：

Threshold 0.5: 9 rebooked, 7 of 15 misses caught, 2 needless rebookings
Threshold 0.25: 21 rebooked, 13 of 15 misses caught, 8 needless rebookings

亲手试试

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 每位乘客占一行：转机时间和入境航班延误时间以分钟为单位，是否更换航站楼（1 或 0），托运行李数量；missed 的值为 1 或 0。
trips = pd.read_csv("connections.csv")
features = ["layover_min", "delay_min", "terminal_change", "checked_bags"]
X_train, X_test, y_train, y_test = train_test_split(trips[features], trips["missed"], test_size=0.25, random_state=0)
model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)
threshold = float(input())

# 在下方编写你的代码。