Preamble: 我有一个 balancer 的二进制数据集，目的是 Build 一个基于决策树的分类模型（选择这种方法有一个特殊的原因） . 我有兴趣找到分裂阈值，使得 maximise 精度（正预测值，正类为1） . 这可以通过调整相对类权重（在 scikit-learn 中）到 class_weight = {0:p} 来实现，其中 p>1 . 一旦训练模型，我就可以轻松估计相关指标（敏感度，特异性，PPV，NPV，AUC ......）
该模型在 balancer 数据上进行训练（并且对这些数据估计相应的度量Se，Sp，PPV，NPV） .
However ，在实际情况下，人口是4：1（零的频率是4倍） .
QUESTION 1: 如何使用经过训练的 balancer 数据模型估算不 balancer 数据（更多零而不是取决于流行度）的指标，尤其是正预测值？
Confusion 1: 我对 class_weight 的影响感到有点困惑 . 例如，设置 class_weight={0:4} 将有效地复制零级中的每个点4次 . 因此，决策边界将对应于在不 balancer 数据集上训练的模型，其频率比 1 s高四倍 . 这是正确的陈述吗？
Confusion 2: 我需要通过在最大化PPV的 balancer 数据集上学习分类器，在0级比1（实际总体）更频繁的情况下估计精度（PPV） . 为了最大化PPV，我使用 class_weight 和 {0:p}, p>1 ，但同时它改变了类的相对分布 . 这是一种非常混乱的循环 .
更令人困惑的是如何在不 balancer 数据上最大化NPV的反问题，其中类不 balancer （相对分布）与 class_weight 参数竞争 .
任何澄清这些想法的想法都将受到高度赞赏 .