LR用户挖掘，如何选取阈值

 在用逻辑回归做潜在用户挖掘时,阀值(Z)的选取是一个头疼的问题。取太高，查全率虽然高了，但是查询条件过于严格，挖掘出的潜在用户过少。取的太低，资源浪费的太多。对于一般的营销而言，这个问题很好解决，只要按照预算，从高往下选取就可以了。但对于其他没有预算约束的情况就比较麻烦。
希望下面的公式可以给予一些启发
Z=Ln（(qc)/(QC)）
q-发生显性结果的先验概率，比如信用卡用户发生违约的以往概率
Q-不发生显性结果的先验概率
c-范第一类错误的成本，即信用卡用户对银行造成的损失，就是不能收回的比例
C-范第二类错误的成本，即应该发放信用卡而没有发放所遭受的损失，就是存贷款差价