在 Scikit-learn 中使用随机森林（Random Forest）进行预测时，默认的二分类阈值为 0.5，即当分类概率大于等于 0.5 时判定为正类，小于 0.5 则判定为负类。
如果您想改变默认的分类阈值，可以使用
predict_proba
方法获取分类概率，然后根据需要自己设置分类阈值。
具体来说，
predict_proba
方法会返回每个类别的预测概率，例如在二分类问题中，它会返回两列概率值，第一列为负类概率，第二列为正类概率。您可以根据需要选择一个概率作为分类阈值。
下面是一个示例代码，其中
X
表示测试数据，
rf
是一个已经训练好的随机森林模型：
probs = rf.predict_proba(X)
threshold = 0.6 # 设定分类阈值为 0.6
predictions = (probs[:, 1] > threshold).astype(int) # 取正类概率，与阈值比较得到预测结果
在上面的示例中，我们将分类阈值设定为 0.6，然后根据正类概率是否大于阈值，将预测结果转换为 0 或 1。
需要注意的是，改变分类阈值可能会对模型的预测结果产生影响，因此需要在测试集上进行评估，以选择最优的分类阈值。
