h2o二进制分类，理解p0和p1
提问于 2018-02-22 03:07:34
我已经读过这个问题了：How should we interpret the results of the H2O predict function?仍然不明白p1是否是0,1之间的概率，并且可以作为一个回归来使用，并且我可以应用我自己的阈值。
编辑:谢谢你的回答仍然有些混乱，让我们来挖掘一下，假设我的结果Y是0,1，如果Y是数字，我以回归的形式运行它，并且我有一个列作为响应。另一方面，如果Y是因子，则将其作为分类运行，输出为:预测/p0/p1。现在，p1是否与使用Y作为数字相同？另外，model.html calibrate_model参数会影响逻辑损失，但现在最大F1仍然用作P0 P1或校准概率的阈值？我可以使用校准的概率进行回归，因为逻辑损失被认为是较少的？
回答 1
Stack Overflow用户
发布于 2018-02-22 07:10:16
H2O二进制分类问题的输出将给出类标签(其中阈值设置为获得最大F1评分)、0类的预测值(p0)和1类的预测值(p1)。
这些预测值是未加标记的概率，如果您想要实际的概率，则需要将H2O的模型参数calibrate_model设置为True。
因此，要回答您的问题，是的p1是0到1之间的预测值(例如，您将看到.23、.45之类的值。、.89等)因为H2O构建了回归树，所以在技术上可以使用1-p0获取p1值(反之亦然)，实际上，除非您设置了binomial_double_trees = True，否则H2O就是这样做的:它为其中一个类构建一个回归树，然后使用1-(该类值)来获取另一个类的预测值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48925902
复制相关文章
腾讯云开发者
