你有某种损失函数$L(y,\hat y)$接受某种真值，$y$, 和$0/1$矩阵中的值，$\hat y$.

隐含地，这是真值的函数，$y$, 的阈值,$t$，以及矩阵中原始的未舍入值，$m$.

你的目标是最小化损失，所以最小化$L(y, t, m)$. 根据复杂性，您可以选择手动（微积分）或在计算机上通过循环可能的阈值来执行此操作。如果矩阵值都在$0$和$1$，例如，您可以在每个$0.01$增量。

这是一个相当简单的计算，因为损失函数实际上只取决于一个变量，$t$, 作为真值标签$y$和未舍入的值$m$是固定的。

阈值方法的层次结构是：

1. 手动编码阈值
2. 使用决策树学习阈值
3. 使用一组树（例如，随机森林或 XGBoost）学习阈值
4. 使用神经网络学习阈值