我必须以95％TPR实施指标FPR。 为此，我必须根据阈值寻找OCSVM的不同决策。

如果我执行以下简单代码：

# Generate train data
X = 0.3 * np.random.randn(100,2)
X_train = np.r_[X + 2,X - 2]
# Generate some regular novel observations
X = 0.3 * np.random.randn(20,2)
X_test = np.r_[X + 2,X - 2]

# fit the model
clf = svm.OneclassSVM(nu=0.1,kernel="rbf",gamma=0.1)
clf.fit(X_train)
y_pred_train = clf.predict(X_train)
y_pred_test = clf.predict(X_test)
y_pred_test_dec = clf.decision_function(X_test)

print(y_pred_test_dec)的输出是实数值（可能表示为数据是否属于该类的概率）

[ 0.09636907  0.25550576 -0.00625508 -0.01913439  0.05838875  0.28961146
  0.27546575  0.20860501  0.20301114  0.22901279 -0.49293407  0.23829279
  0.1880782   0.16414993  0.28461803  0.20257997  0.15601406  0.05623468
  0.2902597   0.28259147  0.14681843  0.24570013 -0.09876615 -0.07012402
 -0.14296918  0.2463084   0.20785806  0.20567402  0.22239225  0.2141173
 -0.75713372  0.15646395  0.14399239  0.14025052  0.22818292  0.20500693
  0.20862945  0.0735027   0.24908019  0.23861988]

print(y_pred_test)的输出取决于输入是属于类还是离群。

[ 1  1 -1 -1  1  1  1  1  1  1 -1  1  1  1  1  1  1  1  1  1  1  1 -1 -1
 -1  1  1  1  1  1 -1  1  1  1  1  1  1  1  1  1]

我的问题是，哪些参数定义了做出这些决定所依据的阈值？