決策閾值（Decision Threshold）是什麼？

二元分類器將預測機率轉換為類別標籤時使用的臨界值，通常預設為 0.5，但可調整以平衡精確率、召回率等不同業務目標。

決策閾值（Decision Threshold）是機器學習分類系統中連接「機率輸出」與「實際決策」的橋梁，看似簡單的一個數值，卻對業務結果有深遠影響。理解閾值調整的原理和方法，是將 AI 模型轉化為業務價值的關鍵技能。

大多數分類模型（邏輯迴歸、隨機森林、神經網路）輸出的是屬於正類的機率估計 p ∈ [0,1]，而非直接的類別標籤。決策閾值 t 將這個連續輸出二值化：p ≥ t → 預測正類；p < t → 預測負類。默認值 0.5 假設兩類的錯誤代價和先驗機率相等，但在實際應用中這兩個假設通常不成立。

閾值對性能指標的影響是互斥關係。降低閾值（如從 0.5 到 0.3）會增加正類預測數量，提高召回率（Recall）但降低精確率（Precision）；升高閾值（如從 0.5 到 0.7）使模型更保守，精確率上升但召回率下降。ROC 曲線（接收者操作特徵曲線）展示所有可能閾值下的假陽性率（FPR）vs 真陽性率（TPR）的軌跡，AUC 是模型在所有閾值下的整合性能。

業務場景決定閾值選擇策略。醫療診斷（如癌症篩查）中漏診（假陰性）後果嚴重，應設置低閾值偏向高召回，寧可多做後續檢查也不漏掉真實患者；詐欺偵測中假警報成本高（人工審核成本），可適度提高閾值降低假陽性；推薦系統中若曝光資源有限（每用戶只顯示 10 條推薦），應設置較高閾值只推送高置信度結果。

Precision-Recall 曲線（PR 曲線）是類別不平衡場景（正負類比例 1:99 或更極端）下比 ROC 曲線更具診斷意義的工具。F1 分數（精確率和召回率的調和平均）是最常用的單一閾值選擇指標，尋找使 F1 最高的閾值；Fβ 分數（β > 1 時更重視召回率，β < 1 時更重視精確率）允許根據業務需求調整精確率召回率的相對重要性。

等代價曲線（Cost-Sensitive Threshold Selection）將假陽性代價 C_FP 和假陰性代價 C_FN 量化，選擇使期望總成本最小的閾值：最優閾值 t* = C_FN / (C_FN + C_FP)（在某些假設下）。這種方法要求業務方能夠量化兩類錯誤的業務成本。

在實際工程中，閾值通常不固定，而是作為可調參數在上線後監控和調整。模型更新、資料分布漂移或業務目標變化都可能需要重新校準閾值，閾值管理是 MLOps 系統的常規組成部分。

在多類別分類（Multiclass Classification）中，閾值的角色有所不同。One-vs-Rest 策略為每個類別訓練一個二元分類器，每個分類器有自己的閾值；最終預測可以選擇機率最高的類別（Argmax）或設置各類別的最低機率門檻（只有超過門檻的類別才會被預測，否則回退到「拒絕」類）。

標籤平滑（Label Smoothing）和溫度縮放（Temperature Scaling）是改變決策閾值行為的間接方法：溫度縮放通過調整 softmax 的溫度參數校準模型的機率輸出，使其更「誠實」（高置信度預測應該準確率更高），校準後的機率更適合在閾值決策中使用，避免過自信模型帶來的閾值選擇困難。

在持續學習（Continual Learning）和模型監控中，閾值需要動態管理。資料分布漂移可能使模型的輸出機率整體偏移（如新客戶群體的特徵分布不同），此時固定閾值的實際效果可能與設計時大相徑庭。MLOps 最佳實踐建議在生產環境中設置閾值漂移警報（如閾值以上的樣本比例偏離歷史基線超過 10%），觸發人工審查和可能的閾值重新校準。 在 A/B 測試框架中，決策閾值本身也需要經過嚴格的實驗驗證才能上線：新閾值在離線評估中表現更好，不代表在真實流量中效果相同（分布偏移、系統延遲等因素都可能影響）。通過對照實驗（新閾值 vs 舊閾值，流量各 50%），用實際業務指標（轉換率、退款率、使用者投訴數）驗證閾值變更的真實效果，才是可靠的上線決策依據。