r - 如何解释 h2o.predict 的结果

Question

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 0.3199199

我希望得到一个只有两行的混淆矩阵。但这似乎完全不同。我如何解释这些结果？有没有办法获得类似混淆矩阵的实际值、预测值以及错误百分比？

Answer 1

您可以从模型拟合中提取该信息(例如，如果您传递 validation_frame)，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。

示例:

fit <- h2o.deeplearning(x, y, training_frame = train, validation_frame = valid, ...)
h2o.confusionMatrix(fit, valid = TRUE)

或者

fit <- h2o.deeplearning(x, y, train, ...)
perf <- h2o.performance(fit, test)
h2o.confusionMatrix(perf)