设置这些切点确实应该在某些决策制定过程的背景下完成。我会给你一个例子，你可能能够概括到你的上下文中。

假设我建立了一个模型，根据他们今天在 X 上的得分来估计一个人在未来发生事件 Y 的概率。然后我在一个尚未出现 Y 的新群体中估计 P(Y|X)。然后，我可以在预测概率中设置一个分界点，说明哪些人处于 Y 的“高风险”中。缺乏任何其他信息或上下文，这完全是武断的，没有用处。

现在假设我想省钱，而发生 Y 的人花了我一些钱。我有一项干预措施，有时会阻止 Y 发生，但这种干预措施也让我花钱。

现在我要做出决定……这就是我选择的截止点可能有意义的地方。如果 X 非常昂贵，与非常便宜和有效的干预相权衡，我可能会将我的分界线设置得很低，甚至干预那些无论如何都不会发生结果的人。相反，如果 X 很便宜，和/或干预很昂贵或效果不佳，我可能会将截止值设置得非常高（或者在极端情况下什么都不做）。基本上，您可以定义一个将所有这些事情联系起来的方程式，并选择最省钱的截止点。

这样做也很有帮助，因为您开始看​​到它有多难！您对 P(Y|X) 的估计具有不确定性......所有其他参数也是如此 - Y 的成本是多少；干预的效果如何；干预费用是多少？并消除你想要优化比金钱更难衡量的东西的想法，比如幸福。这是你真正看到你的模型有多么有用的时候，或者不是。

例如，有一个 R 包 ROCR，其​​中包含许多有价值的函数来评估有关分界点的决定。很可能存在一系列在某种意义上是最佳的值。

您也可以根据成本函数/损失函数建立决策。例如，考虑 False Positives 和 False Negatives 并给它们明确的值。然后可以评估从 0..1 开始的所有截止点。