R 从h2o性能中获取mse,并将其保存在变量中。
我有一个h2o(R)模型。它的性能产生了巨大的影响R 从h2o性能中获取mse,并将其保存在变量中。,r,machine-learning,h2o,R,Machine Learning,H2o,我有一个h2o(R)模型。它的性能产生了巨大的影响 h2o.performance(models[[1]],valid=T) 输出 H2ORegressionMetrics: deeplearning ** Reported on validation data. ** Description: Metrics reported on temporary validation frame with 9724 samples MSE: 1.18963 R2 : 0.07689513 Mea
h2o.performance(models[[1]],valid=T)
输出
H2ORegressionMetrics: deeplearning
** Reported on validation data. **
Description: Metrics reported on temporary validation frame with 9724 samples
MSE: 1.18963
R2 : 0.07689513
Mean Residual Deviance : 1.18963
我想取MSE并将其保存在变量中。我尝试使用
h2o.confusionMatrix(h2o.performance(models[[i]],valid=T))
但它会生成空值。获取均方误差 要获得均方误差(MSE)值,可以使用
h2o.MSE()
函数,如以下示例所示(Aiello、Kraljevic和Maj,2015):
perf perf your_new_变量your_new_变量
[1] 0.07584147
关于混淆矩阵
此外,混淆矩阵中的NULL值可能表示h2o.performance()
函数本身不包含或不返回混淆矩阵
参考资料
> h2o.performance(model = your_data_file.gbm, data = your_data_file.hex)
H2OBinomialMetrics: gbm
** Reported on training data. **
MSE: 0.07584147
R^2: 0.6846763
LogLoss: 0.2744668
AUC: 0.9780312
Gini: 0.9560623
> perf <- h2o.performance(model = your_data_file.gbm, data = your_data_file.hex)
> your_new_variable <- h2o.mse(perf)
> your_new_variable
[1] 0.07584147
Aiello,S.,Kraljevic,T.,和Maj,p.(2015年11月24日)。包装“h2o”。检索2015年12月2日,从获取均方误差 要获得均方误差(MSE)值,可以使用
h2o.MSE()
函数,如以下示例所示(Aiello、Kraljevic和Maj,2015):
perf perf your_new_变量your_new_变量
[1] 0.07584147
关于混淆矩阵
此外,混淆矩阵中的NULL值可能表示h2o.performance()
函数本身不包含或不返回混淆矩阵
参考资料
> h2o.performance(model = your_data_file.gbm, data = your_data_file.hex)
H2OBinomialMetrics: gbm
** Reported on training data. **
MSE: 0.07584147
R^2: 0.6846763
LogLoss: 0.2744668
AUC: 0.9780312
Gini: 0.9560623
> perf <- h2o.performance(model = your_data_file.gbm, data = your_data_file.hex)
> your_new_variable <- h2o.mse(perf)
> your_new_variable
[1] 0.07584147
Aiello,S.,Kraljevic,T.,和Maj,p.(2015年11月24日)。包装“h2o”。2015年12月2日检索自