是否有一种tidyverse/tidymodels（或base R）方法通过调整特定正百分位数的阈值来计算二元分类度量？
tidymodels指南建议准备一个预测概率框架，它产生正概率（.pred_1），还包括实际的类Day90：

> rf_fit %>% predict(test, type="prob") %>% bind_cols(test %>% select(Day90))
# A tibble: 31,586 × 3
   .pred_1 .pred_0 Day90
     <dbl>   <dbl> <fct>
 1  0.296    0.704 0    
 2  0.296    0.704 0    
 3  0.136    0.864 0    
 4  0.0690   0.931 0    
 5  0.0882   0.912 0    
 6  0.0948   0.905 0    
 7  0.157    0.843 0    
 8  0.0572   0.943 0    
 9  0.108    0.892 0    
10  0.0466   0.953 0    
# ℹ 31,576 more rows
# ℹ Use `print(n = ...)` to see more rows

字符串
type="quantile"很有前途，但不适用于parsnip的rand_forest()。
理想情况下，有一个函数，它取一个正百分位数，比如20%，并找到一个概率阈值k，该概率阈值导致大约20%的预测阳性。我可以对概率进行排序，并对k执行线性或二分搜索，但我相信这已经以一种更健壮的方式实现了。dplyr::percent_rank()似乎也很有希望。