邏輯迴歸返回的是機率。您可以“原樣”使用返回的機率 （ 例如，使用者點選此廣告的機率為 0.00023 ），也可以將返回的機率轉換成二元值 （ 例如，這封電子郵件是垃圾郵件 ）。
如果某個邏輯迴歸模型對某封電子郵件進行預測時返回的機率為 0.9995，則表示該模型預測這封郵件非常可能是垃圾郵件。相反， 在同一個邏輯迴歸模型中預測分數為 0.0003 的另一封電子郵件很可能不是垃圾郵件。可如果某封電子郵件的預測分數為 0.6 呢 ？為了將邏輯迴歸值對映到二元類別，您必須指定分類閾值 （ 也稱為判定閾值 ）。如果值高於該閾值，則表示“垃圾郵件”；如果值低於該閾值，則表示“非垃圾郵件”。人們往往會認為人類閾值應始終為 0.5，但閾值取決於具體問題，因此您必須對其進行調整。
注意：“調整”邏輯迴歸的閾值不同於調整學習速率等超引數。在選擇閾值時，需要評估您將因犯錯而承擔多大的後果。例如，將非垃圾郵件誤標記為垃圾郵件會非常糟糕。不過，雖然將垃圾郵件誤標記為非垃圾郵件會令人不快，但應該不會讓您丟掉工作。
本作品採用《CC 協議》，轉載必須註明作者和本文連結