machine-learning - H2O 给出的 R^2 与手动计算不同？

Question

我对 H2O 如何计算 R^2 感到困惑。我使用 H2O 的 RandomForestEstimator 创建了一个虚拟数据框:

df = pd.DataFrame({'x':[1,2,3,4,5],'y':[3,9,2,8,1]})
h2o_df=h2o.H2OFrame(df)
rf = H2ORandomForestEstimator()
rf.train('x','y',h2o_df)
rf.r2()

这将返回 -0.667，这表明拟合效果非常差!但我用预测方法计算了R^2:

y_true = df.y
y_pred = rf.predict(h2o_df).as_data_frame().predict
SSE = sum((y_pred-y_true)**2)
SST = sum((y_true-y_true.mean())**2)
r2 = 1-(SSE/SST)
r2

这会返回 0.727，这更有意义。 .r2() 方法内部发生了什么？

Answer 1

很确定这是一个错误。作为解决方法，rf.model_performance(h2o_df).r2() 返回 R^2 的正确值(与手动计算时相同)。