Machine learning 利用WEKA得到一个具有固定灵敏度的分类器

我使用WEKA对某个数据集进行分类。在结果中，我得到Se=49%和Sp=99%。观察ROC，我们可以看到Se=95%，Sp=88%。我的问题是，有没有办法调整分类器参数（如果有），使我的分类器设置为平均Se=95%，Sp=88%

---

PS：我正在使用随机森林分类器，其中我输入的唯一参数是#树、最大深度（=0）、特征和种子

在WEKA玩ThresholdSelector时，我成功地实现了我的目标。通过使用成本/收益分析曲线，我可以找到适合我需要的阈值。在ThresholdSelector中设置适当的参数，然后为我提供了经过调优的分类器

研究论文通常提到“Sp=95%时的Se”或“Se=95%时的Sp”。这就是我得到这个想法的原因，可能是我可以设置不同维度的阈值，这样我就可以得到一个具有固定Se或Sp的分类器。