Threshold in AI is een kritische waarde die bepaalt wanneer een model een bepaalde beslissing neemt. Bij classificatie problemen geeft een model meestal een waarschijnlijkheid (bijv. 0.0 tot 1.0), en de threshold bepaalt wanneer deze als ‘ja’ of ‘nee’ wordt geclassificeerd.

Standaard is de threshold vaak 0.5: als het model zegt dat er 60 procent kans is dat dit spam is, en 60 procent groter is dan 50 procent, classificeert het dit als spam. Maar je kan de threshold aanpassen:

1. Lager threshold (bijv. 0.3): Meer false positives, minder false negatives. Handig wanneer u false negatives wil minimaliseren
2. Hoger threshold (bijv. 0.7): Minder false positives, meer false negatives. Handig wanneer u false positives wil minimaliseren

De juiste threshold hangt af van je use case en welke fouten kostbaar zijn. Bij medische diagnoses wil je laag threshold (beter vals alarmen dan gemiste ziektes). Bij spam-filters kun je hoger gaan.