问增加阈值会提高精度吗？

EN

这里的精度在阈值0.85 >精度在阈值0.90。难道不是应该相反吗？增加阈值会减少假阳性，并且精度会比以前更高？

精度是$\frac{\text{TP}}{\text{TP}+\text{FP}}$

当您增加阈值时，$\text{TP}$和$\text{FP}$都会减少。如果两者都与当前精度成比例下降(即它们在每个置信值处均匀分布)，那么精度将保持不变。大多数数据集上的大多数模型将倾向于随着阈值的增加而提高精度，至少在初始阶段(例如从0.5移到0.6)，因为假阳性通常被发现为不确定的边缘情况，而置信度较低，即假阳性往往发生在低置信度时，因此，提高阈值将排除假阳性比真实阳性的比率高于当前的精度。然而，不能保证这一点。

在实际应用中，精度的值将取决于模型对每个示例的预测。如果你有一组高度自信的假阳性，它们会导致精确度随着阈值的增长而下降，直到它们被排除在外。最极端的例子将是最自信的分类是不正确的，在这种情况下，最高可能的阈值将得分零精度。

如果你看一下ROC曲线，你就会看到另一幅图片，ROC-AUC曲线。

上升点A TPR比FPR增长更快，这意味着这里的精度应该更高。在A点TPR以比FPR慢的速度增加后，精度应开始下降，B点后的精度应进一步降低。

在这里，从左到右的阈值都在增加，所以随着阈值的增加，最初的精度也提高了，但后来又开始下降。召回量从左到右继续增加。

但我怀疑的是，是否真正的门槛从左到右都在增加，大部分的在线笔记和文字只是说"ROC是根据不同的阈值绘制的“，并不是说阈值是从左到右增加还是在下降。