如何解释h2o.predict的结果
针对二元分类问题运行h2o.deeplearning后,我运行h2o.predict并获得以下结果如何解释h2o.predict的结果,r,machine-learning,neural-network,deep-learning,h2o,R,Machine Learning,Neural Network,Deep Learning,H2o,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
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乱矩阵。但这似乎是完全不同的。我如何解释这些结果?是否有任何方法可以获得具有实际值和预测值以及错误百分比的混淆矩阵?您可以从模型拟合中提取该信息(例如,如果您通过了
验证\u帧
),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
例如:
fit <- h2o.deeplearning(x, y, training_frame = train, validation_frame = valid, ...)
h2o.confusionMatrix(fit, valid = TRUE)
fit尝试h2o.performance函数请在问题中提供更多细节,否则,您将得到一般答案。
fit <- h2o.deeplearning(x, y, train, ...)
perf <- h2o.performance(fit, test)
h2o.confusionMatrix(perf)