针对二元分类问题运行 h2o.deeplearning 后，我运行 h2o.predict 并获得以下结果
predict No Yes
1 No 0.9784425 0.0215575
2 Yes 0.4667428 0.5332572
3 Yes 0.3955087 0.6044913
4 Yes 0.7962034 0.2037966
5 Yes 0.7413591 0.2586409
6 Yes 0.6800801 0.3199199
我希望得到一个只有两行的混淆矩阵。但这似乎完全不同。我如何解释这些结果？有没有办法获得类似混淆矩阵的实际值、预测值以及错误百分比？
最佳答案
您可以从模型拟合中提取该信息(例如，如果您传递 validation_frame)，也可以使用 h2o.performance() 获取H2OBinomialModel 性能对象并使用 h2o.confusionMatrix() 提取混淆矩阵。
示例:
fit <- h2o.deeplearning(x, y, training_frame = train, validation_frame = valid, ...)
h2o.confusionMatrix(fit, valid = TRUE)
或者
fit <- h2o.deeplearning(x, y, train, ...)
perf <- h2o.performance(fit, test)
h2o.confusionMatrix(perf)
关于r - 如何解释 h2o.predict 的结果，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41075416/