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

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