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？有什么方法可以得到像混淆矩阵这样的东西，其中包含实际值和预测值以及错误百分比？
您可以从模型拟合中提取该信息（例如，如果您传递validation_frame），或者你可以使用h2o.performance()获得 H2OBinomialModel 性能对象并使用提取混淆矩阵h2o.confusionMatrix().
Example:
fit <- h2o.deeplearning(x, y, training_frame = train, validation_frame = valid, ...)
h2o.confusionMatrix(fit, valid = TRUE)
Or
fit <- h2o.deeplearning(x, y, train, ...)
perf <- h2o.performance(fit, test)
h2o.confusionMatrix(perf)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
