📚 课程目录第4章阈值选择方法

4. 阈值选择方法：基于Youden指数、基于利润最大化、基于F1-score、基于成本敏感分析的阈值选择

在二分类模型中，默认阈值0.5并非最优解。当正负样本分布不均、误分类代价不对称或业务收益函数非线性时，调整决策阈值能显著提升模型的实际价值。本章系统阐述四种主流的阈值选择方法，并给出每种方法的适用场景与计算步骤。

模型输出的是概率分数 p(y=1|x)，决策规则为：

if p ≥ threshold → 预测为正类 (1)
else → 预测为负类 (0)

阈值移动会同时改变混淆矩阵的四个元素，进而影响所有衍生指标。下表总结了阈值变化对关键指标的影响方向：

核心原则：阈值选择没有"万能值"，必须与业务目标对齐。如果目标是最大化查全率，应选择较低阈值；如果目标是最大化查准率，应选择较高阈值；如果目标是利润，则需引入成本矩阵。

Youden指数（Youden's Index）是评价诊断试验准确性的综合指标，定义为：

Youden Index = TPR - FPR = Sensitivity + Specificity - 1

该指数取值范围为[0, 1]，值越大表示模型区分正负类的能力越强。最优阈值对应Youden指数最大的点，即ROC曲线上距离左上角（0,1）最近的点。

计算步骤：

  适用场景：疾病筛查、异常检测等正负类重要性对称、且误分类代价未知的场景。Youden指数不依赖成本信息，仅从统计区分度出发，适合探索性分析阶段。

利润最大化方法将业务收益直接嵌入阈值选择过程。需要定义收益矩阵（或成本矩阵），将混淆矩阵的每个单元格映射为货币价值。

收益矩阵示例（金融信贷场景）：

实际 \ 预测	预测为正（违约）	预测为负（正常）
实际为正（违约）	TP: -5000元（坏账损失）	FN: -200元（机会成本）
实际为负（正常）	FP: -100元（审核成本）	TN: +300元（利息收入）

利润函数：

Profit = TP × R_tp + FP × R_fp + FN × R_fn + TN × R_tn

其中 R_tp, R_fp, R_fn, R_tn 分别为各单元格的收益值（可为负）。

计算步骤：

注意：收益矩阵中的数值必须反映真实业务成本，不能随意赋值。建议与财务、运营团队共同校准。利润最大化阈值通常偏向于降低高成本错误类型，例如在信贷中会偏向于降低坏账（TP成本高），因此阈值往往高于0.5。

F1-score是Precision和Recall的调和平均数，适用于正负类不平衡且关注正类性能的场景：

F1 = 2 × (Precision × Recall) / (Precision + Recall)

计算步骤：

  适用场景：信息检索、推荐系统、欺诈检测等正类样本稀少且需要平衡查准与查全的场景。F1-score对Precision和Recall的权重相等，若业务对某一方有偏好，应使用Fβ-score。

成本敏感分析是利润最大化的推广形式，核心思想是为不同类型的错误分配不同的成本权重，然后选择使总成本最小化的阈值。

成本矩阵形式：

实际 \ 预测	预测为正	预测为负
实际为正	C_TP（正确分类成本，通常为0）	C_FN（漏报成本）
实际为负	C_FP（误报成本）	C_TN（正确分类成本，通常为0）

总成本函数：

Total Cost = FN × C_FN + FP × C_FP + TP × C_TP + TN × C_TN

通常设 C_TP = C_TN = 0，则：
Total Cost = FN × C_FN + FP × C_FP

最优阈值推导：

当成本不对称时，最优阈值不再固定为0.5，而是由成本比和先验概率共同决定：

Optimal Threshold = (C_FP × π_0) / (C_FP × π_0 + C_FN × π_1)

其中 π_0 = P(y=0), π_1 = P(y=1)

计算步骤：

  案例：在反欺诈场景中，漏过一笔欺诈交易（FN）平均损失500元，误报一笔正常交易（FP）平均损失20元。若正类占比5%，则最优阈值 = (20×0.95)/(20×0.95 + 500×0.05) ≈ 0.43。阈值低于0.5，因为漏报成本远高于误报成本，模型应更"敏感"。

工程实践建议：