如何解释 H2O 的混淆矩阵？

Question

我使用的是 h2o 版本 3.10.4.8。

library(magrittr)
library(h2o)

h2o.init(nthreads = -1, max_mem_size = "6g")

data.url <- "https://raw.githubusercontent.com/DarrenCook/h2o/bk/datasets/"

iris.hex <- paste0(data.url, "iris_wheader.csv") %>%
  h2o.importFile(destination_frame = "iris.hex")

y <- "class"
x <- setdiff(names(iris.hex), y)


model.glm <- h2o.glm(x, y, iris.hex, family = "multinomial")

preds <- h2o.predict(model.glm, iris.hex)

h2o.confusionMatrix(model.glm)
h2o.table(preds["predict"])

这是h2o.confusionMatrix(model.glm)的输出：

Confusion Matrix: vertical: actual; across: predicted
                Iris-setosa Iris-versicolor Iris-virginica  Error      Rate
Iris-setosa              50               0              0 0.0000 =  0 / 50
Iris-versicolor           0              48              2 0.0400 =  2 / 50
Iris-virginica            0               1             49 0.0200 =  1 / 50
Totals                   50              49             51 0.0200 = 3 / 150

既然它说 across:predicted，我将其解释为该模型做出了 50 (0 + 48 + 2) 次 Iris-versicolor 预测。

这是h2o.table(preds["predict"])的输出：

          predict Count
1     Iris-setosa    50
2 Iris-versicolor    49
3  Iris-virginica    51

这告诉我，该模型做出了 49 项 Iris-versicolor 的预测。

是混淆矩阵标记不正确还是我在解释结果时犯了错误？

Answer 1

行名称（垂直）是实际的标签。

列名（交叉）是预测的标签。

Answer 2

你没有看错；标签令人困惑（并导致人们认为行和列被切换）。这是 fixed recently，将包含在 H2O 的下一个版本中。

如何解释 H2O 的混淆矩阵？

How to interpret H2O's confusion matrix?

r

h2o

confusion-matrix