Apache spark 仅当阈值大于该值时，Spark MLlib预测

我有一个多类分类（38类）问题，为了解决这个问题，我在Spark ML中实现了一个管道。这就是我生成模型的方式

val nb = new NaiveBayes()
  .setLabelCol("id")
  .setFeaturesCol("features")
  .setThresholds(Seq(1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25,1.25).toArray)

val pipeline = new Pipeline()
  .setStages(Array(stages, assembler, nb))

val model = pipeline.fit(trainingSet)

我希望我的模型能够预测一个类，前提是它的置信度（概率）大于0.8%

为了更好地理解阈值参数的含义，我在Spark文档中搜索了很多，但我找到的唯一相关信息是：

多类分类中阈值的调整 预测每个类。数组的长度必须等于 类，值>0，但最多一个值可以为0。 预测p/t值最大的类别，其中p为原始值 该类的概率，t是该类的阈值

这就是我的阈值为1.25的原因

问题是，无论我为阈值插入的值是多少，它都不会影响我的预测

您知道是否有可能只预测置信度（概率）大于特定阈值的类

另一种方法是只选择概率大于该阈值的预测，但我希望可以使用该框架实现这一点

---

谢谢。

如果为每个类设置相同的值，为什么您会期望任何更改？好吧，鉴于文档没有深入解释阈值的概念，我希望每个类只预测概率大于0.8%的值，如果概率较低，我不想预测该值