R:model中的h2o在我的目标特征为二进制时产生一个负的predClass值。这是什么意思?
当我的目标特征是二进制时,我的模型产生一个负预测分类器。这是否意味着h2o.deeplearning中的神经网络认为负值超过100%可能为零 我的代码如下:R:model中的h2o在我的目标特征为二进制时产生一个负的predClass值。这是什么意思?,r,h2o,R,H2o,当我的目标特征是二进制时,我的模型产生一个负预测分类器。这是否意味着h2o.deeplearning中的神经网络认为负值超过100%可能为零 我的代码如下: modeldataset <- h2o.importFile(path = modeldata) train<- as.h2o(modeldataset) model<- h2o.deeplearning(x = colnames(train[1:45]), y = "Target", training_frame=tr
modeldataset <- h2o.importFile(path = modeldata)
train<- as.h2o(modeldataset)
model<- h2o.deeplearning(x = colnames(train[1:45]), y = "Target", training_frame=train, 'exact_quantiles= False', score_training_samples = 0)
as.h2o(testdata)
as.h2o(modeldataset)
testdata$predClass = h2o.predict(model, newdata=testdata) # obtain the class (0/1)
testdata$predProb = h2o.predict(model, newdata=testdata)
h2o.exportFile(testdata, 'file/path', parts = 1)
modeldataset这个问题已经被问了好几次,通常问题是您忘记将数值响应转换为因子(参见函数)和/或将算法中的分布
参数指定为bernoulli
看一下分布参数的概述,它应该有助于澄清问题 请发布一个完全可复制的示例: