尝试另一个阈值
在前面的练习中，您使用了 0.50 作为阈值，将预测概率切分为类别预测（岩石 vs 地雷）。然而，这个分类阈值并不总是与具体建模问题的目标一致。
例如，假设您想识别那些您非常确定是地雷的目标。在这种情况下，您可能会使用 0.90 的概率阈值，以获得"更少的预测为地雷，但对每个预测更有把握"。
将概率切分成预测类别，然后计算混淆矩阵的代码模式，已在本章的练习 7 中展示。
本练习是课程的一部分
在 R 中使用 caret 的机器学习
练习说明
- 使用
ifelse()创建字符向量m_or_r：当p大于 0.9 时为正类"M"，否则为负类"R"。 - 将
m_or_r转换为因子p_class，其水平与test[["Class"]]的水平相同。 - 使用
confusionMatrix()构建混淆矩阵，传入p_class和数据集test中的"Class"列。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# If p exceeds threshold of 0.9, M else R: m_or_r
# Convert to factor: p_class
# Create confusion matrix