Machine learning h2o流量UI：建立模型，但没有ROC曲线或多类AUC？

提及

我能够按照这个例子绘制ROC和AUC曲线，但当我对我的数据做同样的事情时，我有“得分历史-偏差”而不是“得分历史-对数损失”，并且我的“ROC曲线-训练指标”没有出现

我的数据集有2个类，0，1，而不是示例中的是和否。什么决定ROC曲线是否可移植

更新了2019年7月10日Mauriver的回复： 我有“转换为枚举”作为我的响应“标签”，并将分布更改为“伯努利”，但我仍然无法绘制ROC。

更新：适用于与我有相同遭遇的未来用户。似乎h2o无法使用类为“0”和“1”的响应，即使您转换为枚举。我的问题通过将0和1重新标记为“正常”和“恶意”得到解决，ROC曲线将被绘制

我的数据集有2个类，0，1，而不是示例中的是和否

将要发生的是，H2O已经确定这是一个数字列，而不是一个分类（aka factor）列。修复方法就是在该列上使用

as.factor（）

。在导入数据之后，但在使用数据构建模型之前，请执行此操作

然后，它将知道如何构建一个分类模型，而不是一个回归模型，并且您将获得您期望看到的度量

下面是一个示例：（或在H2O文档中搜索as.factor，您将在其中找到更多加载）

---

在Flow中，首先上载文件，然后单击parse files，它将显示列的列表。分类/因子列在那里被称为“Enum”（是的，这令人困惑）。您的列可能显示为数字，因此转到下拉框并将其更改为enum。然后开始解析。然后，在此之后，构建您的模型。

您必须将响应列的类型更改为“enum”

或者将模型参数设置中的分布更改为“伯努利”（二项分类）

在图像中，您共享“Enum（3）”，因此结果是多项式分类而不是二项式分类。所以你应该看到混淆矩阵，而不是ROC曲线。ROC曲线只能显示为2级分类（更多关于ROC的信息，请参见此处）

您应该看到这样的情况（如果将分布设置为“多项式”）：

---

您好，我可以知道如何在h2o Flow UI中设置为factor吗？下面的示例中，factor类型为enum，因此我在分析Flow中的数据时将响应设置为enum，但仍然没有绘制ROC曲线。我已在命令行中将响应列手动设置为factor，在local中写回csv，然后再次按照示例进行操作，我仍然无法得到h2o来绘制ROC曲线。请提供帮助。@775签入流以查看实际导入的数据类型。这就是Python代码？应该是

df['target\u cured'].asfactor（）

请参见Hi Darren，我发现了错误。我试图将我的

df['target\u cured']

转换为一个类别，然后再转换为一个框架。需要强制转换到H2OFrame，

hf=h2o.H2OFrame（df）

然后运行

hf['target\u cured']=hf['target\u cured']]。asfactor（）

我刚刚看到了您的更新。只要转换数据，H2O就可以使用响应代码“0”和“1”。问题是您有

ENUM（3）

而没有

ENUM（2）

。换句话说，您的数据中还有其他一些价值。它可能是一个“2”，但更可能是一个空间或其他东西。可能只有一排。请清除数据，然后重试。在电子表格中按该列排序应该很容易找到。