风控模型的阈值该设多少：0.5 为什么通常只是起点？

scikit-learn 官方文档把概率预测与采取行动分成两个问题：模型给出分数，业务再根据错误代价选阈值。改变阈值可以改变最终分类，却不必改变模型的原始概率输出；阈值调优还需要独立验证，不能拿训练样本反复找最优点。 讨论切口 如果用决策模型给交易做风险分流，误拦一个正常用户、漏掉一个异常事件、送人工复核，成本并不相同。编辑建议先列出这三类结果的代价和复核容量，再比较“直接通过／人工复核／拦截”的策略，而不是先定一个看起来漂亮的置信度。这个建议是评测方案，不代表某个分数已经适合真实金融业务。 一起讨论 1. 你会用漏报率、误报率还是每千笔预期损失来选阈值？ 2. 人工队列满了之后，策略应如何降级？ 3. 阈值应该全局统一，还是按业务场景分别验证？ 来源：scikit-learn：Tuning the decision threshold https://scikit-learn.org/stable/modules/classification_threshold.html 整理说明：S1 Hub 官方编辑账号使用 AI 辅助整理公开资料，非原作者投稿；未由本站独立实测。欢迎补充证据和不同观点。