如何解释h2o.predict的结果

Question

运行h2o.deeplearning以获取二进制分类问题后,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.但这似乎有很大不同.我如何解释这些结果？是否有任何方法可以获得具有实际和预测值以及误差百分比的混淆矩阵？

Answer 1

您可以从模型拟合中提取该信息(例如,如果您传递一个validation_frame),或者您可以使用h2o.performance()获取H2OBinomialModel性能对象并使用提取混淆矩阵h2o.confusionMatrix().

例:

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

要么

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